혼란스럽고 걱정할 필요가 없다면 이 블로그 게시물의 후반부 «이미지 컨볼루션 이해» 섹션의 예를 살펴보겠습니다. 오늘의 예는 몇 주 전에 사우스 노워크, CT에있는 내가 좋아하는 바에서 찍은 사진에서 온다 — 캐스크 공화국. 이 이미지에서 당신은 내가 좋아하는 맥주 의 유리를 볼 수 있습니다 (Smuttynose 찾기 종류 IPA) (불행하게도, 지금은 폐쇄) 산업 침팬지 가게에서 세 개의 3D 인쇄 포켓몬과 함께 : OpenCV는 이미지와 커널을 컨볼 수있는 기능 cv2.filter2D ()를 제공합니다. 예를 들어 이미지에 평균 필터를 사용해 봅을 사용해 봅을 사용해 보겠습니다. 5×5 평균 필터 커널은 다음과 같습니다: 이 클래스를 사용하면 색상 공간 변환, 임계값, 산술 연산 작업 등과 같은 다른 작업과 필터링 작업을 쉽게 결합할 수 있습니다. 여러 작업을 결합하면 데이터가 캐시에 유지되므로 훨씬 향상된 성능을 얻을 수 있습니다. 예를 들어, 라플라시안() : 이 섹션에서 설명하는 기능 및 클래스의 또 다른 일반적인 특징은 간단한 산술과는 달리 부동 점 이미지에 대한 Laplace 연산자의 구현을 아래에서 참조하십시오. 일부 존재하지 않는 픽셀의 값을 추정해야 합니다. 예를 들어 가우시안 필터를 사용하여 이미지를 부드럽게 하려면 각 행에서 가장 왼쪽에 있는 픽셀을 처리할 때 이미지 외부에 있는 픽셀이 필요합니다. 이러한 픽셀을 가장 왼쪽이미지 픽셀(«복제된 테두리» 외삽 방법)과 동일하게 만들거나 모든 비기존 픽셀이 0(«상수 테두리» 외삽 방법)이라고 가정할 수 있습니다. OpenCV를 사용하면 외삽 방법을 지정할 수 있습니다. 자세한 내용은 함수 테두리를 참조하십시오인터폴레이트() 및 borderType 매개 변수섹션과 아래의 다양한 함수에 대한 설명. 이 함수는 지정된 외삽 테두리 모드를 사용할 때 지정된 외삽 픽셀에 해당하는 공여자 픽셀의 좌표를 계산하고 반환합니다.

예를 들어 가로 방향으로 BORDER_WRAP 모드를 사용하는 경우, BORDER_REFLECT_101을 수직 방향으로 사용하고 부동 점 이미지 img에서 «가상» 픽셀 포인트(-5, 100)의 값을 계산하려는 경우 다음과 같습니다. 이제 필터링 작업은 이미지 ROI, 즉 ROI 외부의 픽셀이지만 이미지 내부의 픽셀을 필터링 작업에 완전히 지원할 수 있습니다.