卷積概念
    卷積是影象處理中一個操作，是kernel在影象的每個畫素上的操作。
    Kernel本質上一個固定大小的矩陣陣列，其中心點稱為錨點(anchor point)
卷積如何工作
    把kernel放到畫素陣列之上，求錨點周圍覆蓋的畫素乘積之和（包括錨點），用來替換錨點覆蓋下畫素點值稱為卷積處理。
        Sum = 8x1+6x1+6x1+2x1+8x1+6x1+2x1+2x1+8x1
        New pixel = sum / (m*n)  每個卷積和都要除以kernel的尺寸?
卷積的作用：模糊影象，提取邊緣，進行影象的銳化
卷積和常稱為(卷積)運算元，常見運算元：
    Robert運算元：┌ +1  0 ┐   ┌  0 +1 ┐  也可以用來尋找梯度，尋找邊緣   主對角線與副對角線上的梯度
                └  0 -1 ┘   └ -1  0 ┘
    Sobel運算元 ：┌ -1 0 1 ┐  ┌ -1 -2 -1 ┐   也可以用來尋找梯度，尋找邊緣   水平與垂直方向的梯度
                │ -2 0 2 │  │  0  0  0 │
                └ -1 0 1 ┘  └  1  2  1 ┘
    拉普拉斯運算元： ┌  0 -1  0 ┐     用來尋找梯度，尋找邊緣        整個的梯度，整體輪廓
                  │ -1  4 -1 │
                  └  0 -1  0 ┘
 

程式碼

    #include "../common/common.hpp"

    static void customFilter();

    void main(int argc, char** argv)
    {
        Mat src, dst1, dst2, dst3, dst4, dst5, dst6;
        src = imread(getCVImagesPath("images/test1_3.png"), IMREAD_COLOR);

        //影象在主對角線(x)方向的差異得到了明顯的體現，這些差異就像影象的邊緣一樣
        Mat robertX = (Mat_<int>(2, 2) << 1, 0, 0, -1);//robert x方向 運算元  前兩個引數表示卷積的第一行
        filter2D(src, dst1, -1, robertX, Point(-1, -1), 0.0);//計算卷積和，引數delta 表示計算出來的畫素+delta
        imshow("robertX", dst1);

        //影象在副對角線(y)方向的差異得到了明顯的體現，將這兩個x y方向的影象合起來，就能得到影象的輪廓
        Mat robertY = (Mat_<int>(2, 2) << 0, 1, -1, 0);//robert y方向 運算元
        filter2D(src, dst2, -1, robertY, Point(-1, -1), 0.0);
        imshow("robertY", dst2);

        //影象在左右(x)方向的差異得到了明顯的體現，由於是 -2 2 ，所以sobel比robert運算元差異體現的更大
        Mat sobelX = (Mat_<int>(3, 3) << -1, 0, 1, -2, 0, 2, -1, 0, 1);//sobel x方向 運算元
        filter2D(src, dst3, -1, sobelX, Point(-1, -1), 0.0);
        imshow("sobelX", dst3);

        //影象在上下(y)方向的差異得到了明顯的體現
        Mat sobelY = (Mat_<int>(3, 3) << -1, -2, -1, 0, 0, 0, 1, 2, 1);//sobel y方向 運算元
        filter2D(src, dst4, -1, sobelY, Point(-1, -1), 0.0);
        imshow("sobelY", dst4);

        //影象整體上的差異得到了明顯的體現
        Mat lapulasi = (Mat_<int>(3, 3) << 0, -1, 0, -1, 4, -1, 0, -1, 0);//拉普拉斯 運算元
        filter2D(src, dst5, -1, lapulasi, Point(-1, -1), 0.0);
        imshow("lapulasi", dst5);

        //影象銳化，僅僅只是將拉普拉斯運算元的中心點 由4改成5，卷積後的影象結果差距巨大。。
        Mat ruihua = (Mat_<int>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);//銳化 運算元 (掩膜)
        filter2D(src, dst6, -1, ruihua, Point(-1, -1), 0.0);
        imshow("ruihua", dst6);

        customFilter();

        waitKey(0);
    }

    void customFilter()//自定義線性濾波
    {
        Mat src, dst;
        src = imread(getCVImagesPath("images/test1.png"), IMREAD_COLOR);
        int ksize = 0;
        int index = 0;
        while (true)
        {
            if (waitKey(500) == 27) break; // esc鍵
            ksize = 4 + (index % 8) * 2 + 1;
            // Mat::ones 建立的矩陣值初始值為1 ，過載的運算子 / 表示將每個初始值再除以 ksize * ksize
            Mat kernel = Mat::ones(Size(ksize, ksize), CV_32F) / (float)(ksize * ksize);
            filter2D(src, dst, -1, kernel);
            index++;
            imshow("Custom Filter", dst);
        }
    }
 

效果圖