我們在優化影像時，所採用的方法便是使用特定 kernel，針對整張影像進行捲積操作。

舉例來說，模糊（blur）、邊緣偵測（edge detection）、邊緣強化（edge enhancement）、噪點去除（noise removal）等，都是對影像進行捲積的結果。

Convolution：

當我們用kernel對影像由左上到右下移動，再進行運算，便會得出一幅經過 filtered 的新影像！

上圖運算過程： 藍色 grid 為定義的 3 × 3 kernel，在捲積過程進行中，底下覆蓋區域（圖中的紅色的 grid）與 kernel 進行交乘加總後（下方的 output pixel），將作為輸出新圖中該 kernel 區域的中心點；若由左上至右下重複進行上述步驟，輪巡整張圖片後就會得到右邊的圖形。

執行 convolution 後，會發現輸出的圖片尺寸會比原來的小一圈
→ 為了保持影像完整，會使用我們提過的影像周圍補零（Zero padding）

openCV作捲積

使用cv2.filter2D

import numpy as np
import cv2
import sys


imageName = "123.jpg"
image = cv2.imread(imageName)

if image is None:
    print("Could not open or find the image")
    sys.exit()


kernel_size = 5     # 設定kernel size為5x5
# 使用numpy建立 5*5且值為1/(5**2)的矩陣作為kernel。
kernel = np.ones((kernel_size, kernel_size), dtype=np.float32) / kernel_size**2

print (kernel)  # 顯示矩陣內容，所有值皆為0.04的5x5矩陣


    #進行convolute，
result = cv2.filter2D(image, dst=-1, kernel=kernel, anchor=(-1, -1), delta=0, borderType=cv2.BORDER_DEFAULT)


cv2.imshow("Filter", result)   #顯示影像
cv2.imshow("Original", image)

cv2.waitKey(0)  
cv2.destroyAllWindows() #關閉影像視窗

圖片來源&資料參考