卷积运算
原理
卷积，有时也叫算子。用一个模板去和另一个图片对比，进行卷积运算。目的是使目标与目标之间的差距变得更大。卷积在数字图像处理中最常见的应用为锐化和边缘提取。
如边缘提取，假如目标像素点和它周边的值（上下左右前后的临点，具体的比邻范围依赖于算子的大小，3*3的算子比邻范围为1，5*5的为2，以此类推）得有较大差异，那么就可以通过这个算子对原图矩阵中的这个位置进行卷积运算，得出的值和该像素点原来的灰度值会产生显著的差异。当这种前后差异超过我们预设的范围后，就将这个像素点标记为0（白色），其余点标记为255（黑色），这样就得到了一黑色为背景，白色线条作为边缘或形状的边缘提取效果图。
锐化算子：通过卷积运算，可以增大矩阵每一个元素与周边元素的方差，轻则起到锐化作用，重则成了边缘提取。反之，则是去噪过程。这种矩阵运算 可以在空间域上，图像经过量化其实就是以矩阵的形式存在的。
运算方法
假设卷积核h为
待处理矩阵x为
求x*h
将卷积核旋转180°，即
将卷积核h的中心对准x的第一个元素，然后h和x重叠的元素相乘，h中不与x重叠的地方x用0代替，再将相乘后h对应的元素相加，得到结果矩阵中Y的第一个元素。如：
所以结果矩阵中的第一个元素Y11 = -1 * 0 + -2 * 0 + -1 * 0 + 0 * 0 + 0 * 1 + 0 * 2 + 1 * 0 + 2 * 5 + 1 * 6 = 16
x中的每一个元素都用这样的方法来计算，得到的卷积结果矩阵为
相关阅读
上篇博客讲解了图像的仿射变换原理及实现，这篇博客讲讲透视变换的原理和实现，透视变换也叫投影变换，仿射变换是透视变换的特例。主要
图像识别OCR，广泛用于识别各种证件、卡类、甚至发票和单据，快速把图片信息转换成文本信息；主要用于解决快速卡证类的信息输入，以及卡
在数字图像处理中，Lena（Lenna）是一张被广泛使用的标准图片，特别在图像压缩的算法研究中。(为什么用这幅图，是因为这图的各个频段的能量
一、边缘分割技术 1.图像中间断点和线段的检测 对于图像中的间断点，常用的检测模板是：[-1, -1, -1; -1, 8, -1; -1, -1, -1] 对于图
卷积神经网络是一种前馈型神经网络, 受生物自然视觉认知机制启发而来的. 现在, CNN 已经成为众多科学领域的研究热点之一, 特别是