opencv 方框滤波 cv2.boxFliter

处理结果 = cv2.boxFliter(原始图像, 目标图像深度, 核大小, normalize=0)

  1. 想知道函数内部参数的目标图像深度是什么

  2. 方框滤波的内部计算过程是怎么样的，如何通过核计算（不进行归一化）

以下答案引用自GPT-3大模型,请合理使用：

例子

A：
目标图像深度：即输出的结果图像的通道数。可以是8位或者32位浮点数。

方框滤波的内部计算过程：以核大小为5x5的情况来说，首先从原始的输入图像中取出5X5的窗口，然后将这25个像素值取出来放在一个缓冲区中，这时候将这25个像素值按照其权重（一般均为1/25）累加求和，所得结果就是新窗口对应位置的结果像素值，并写入输出图像中，最后，依次移动窗口，重复上述步骤，完成滤波运算。

代码实例：
import cv2
 
# 读入图像
img = cv2.imread("a.png")
 
# 原始图像、输出图像深度为32位浮点数、滤波器核大小为5X5
filtered_img = cv2.boxFilter(img, -1, (5,5), normalize=True)
 
# 显示滤波后的图像
cv2.imshow("filtered", filtered_img)
cv2.waitKey(0)

如果我的回答解决了您的问题，请采纳我的回答

（1）depth：深度，即每一个像素的位数(bits)，在opencv的Mat.depth()中得到的是一个 0 – 6 的数字，分别代表不同的位数：enum { CV_8U=0, CV_8S=1, CV_16U=2, CV_16S=3, CV_32S=4, CV_32F=5, CV_64F=6 }; 可见 0和1都代表8位， 2和3都代表16位，4和5代表32位，6代表64位；

（2）方框滤波的内部计算过程
从形式上看，Box滤波是使用 全1 核对图像进行卷积。但实际上，内部是基于积分图像计算，速度极快。