环境
- OpenCV3.4.16（C++）
- opencv-contrib-python 4.5.4.60（Python）
验证
Opencv函数filter2d()，一般用于图像卷积，其中关键参数，输入图像src，输出图像dst，卷积核kernel。
一般来说通过kernel进行卷积之后图像尺寸要比原图像尺寸小一点，为了保持图像大小不变，filter2d在进行运算前对src进行了补全操作。
通常补全操作有补零，图像边缘扩展等，但是这都不是filter2d()的补全方式，尝试了多次，发现，无论是C++还是python，这里的补全方式均为沿边缘镜像扩展。
C++举例
代码如下所示
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
Mat src = (Mat_<uint8_t>(1, 8) << 2,4,6,8,10,12,14,16);
Mat kernel = (Mat_<float>(1, 2) << 1, 1);
Mat dst1;
filter2D(src, dst1, -1, kernel);
cout<<"dst1:"<<dst1<<endl;
return 0;
}
得到结果为：
对[[2， 4， 6， 8， 10， 12， 14， 16]]进行沿边缘镜像扩展（这里其实应该扩展到shape为(3,10)，但是由于kernel的shape为(1，2)，就只进行这个维度扩展了），得到
[[4，2，4，6，8，10，12，14，16，14]]，然后kernel为[[1，1]]，计算得到
[[4+2，2+4，4+6，6+8，8+10，10+12，12+14，14+16]]；即为
[[6，6，10，14，18，22，26，30]]
至于为什么计算了4+2而没有计算16+14，那是因为filter2D的另一个参数anchor，此处默认值为(-1,-1)，意为指向kernel的中心位置，因为此处kernel大小为(1,2)，默认位置即为(0,1)，若修改anchor参数为(0,0)，那么kernel的锚点就在前面，这样就不会计算前面的4+2，而是计算尾部的16+14了，最后的输出也就变为[[6，10，14，18，22，26，30，30]]
Python举例
输入图像src，与卷积核kernel如下所示
输入src沿边缘镜像扩展后变为
最后进行卷积，得到最终结果
Python代码如下所示
import cv2
import numpy as np
src = np.array(([4,2,1],[2,1,3],[5,1,1]), dtype="float32")
kernel = np.array(([1,2,3],[4,5,6],[-1,-2,-1]), dtype="float32")
dst = cv2.filter2D(src, -1, kernel)
print(dst)得到最终结果如下：
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持编程网。
