# 图像自定义卷积核

通过定义自己的矩阵值应用自定义卷积核，实现个性化图像效果和处理

> 标准页面: https://elysiatools.com/zh/tools/image-custom-kernel

- **分类:** Design

- **关键词:** 图片, 自定义, 卷积, 核, 矩阵, 滤镜, 效果, 个性化

## 概述

图像自定义卷积核工具允许用户通过输入自定义矩阵值，对图片进行深度卷积处理，从而实现模糊、锐化、边缘检测等个性化视觉滤镜效果。

## 输入项

- **图片文件** (file): 应用自定义卷积核的图片
- **核大小** (select): 卷积矩阵的大小
- **核值** (textarea): 矩阵值（从左到右，从上到下）。3x3需要9个值，5x5需要25个值，等等。
- **强度** (number): 卷积效果的强度（0.1-10.0）
- **归一化核** (checkbox): 归一化核，使所有元素之和等于1（边缘检测除外）
- **输出模式** (select): 输出的额外处理

## 适用场景

- 需要对图片进行特定的数学卷积运算以实现艺术化滤镜时。
- 在图像处理研究中，需要测试不同矩阵核对像素分布影响时。
- 希望通过自定义卷积矩阵实现非标准化的图像增强或特征提取时。

## 工作原理

- 上传目标图片文件并选择合适的卷积核矩阵大小（3x3、5x5 或 7x7）。
- 在核值区域输入逗号分隔的矩阵数值，并根据需要调整处理强度和归一化选项。
- 选择输出模式（如灰度、负片或阈值），点击处理即可生成应用了自定义卷积效果的图片。

## 使用案例

- 图像艺术创作：通过自定义矩阵创建独特的模糊或浮雕视觉效果。
- 计算机视觉实验：验证不同卷积核对图像特征提取的影响。
- 个性化滤镜开发：快速原型化并测试自定义的图像处理算法。

## 常见问题

### 什么是卷积核？

卷积核是一个小的矩阵，通过在图像上滑动并进行加权计算，改变像素值以实现模糊、锐化等效果。

### 归一化核选项有什么作用？

归一化会自动调整矩阵元素之和为1，防止处理后的图像过亮或过暗，保持整体亮度平衡。

### 矩阵值输入有什么格式要求？

请按从左到右、从上到下的顺序输入数值，并使用逗号分隔，确保数值总数与所选矩阵大小匹配。

### 支持哪些图片格式？

支持 JPEG、PNG、WebP、GIF、BMP 和 TIFF 等常见图片格式。

### 处理后的图片质量会下降吗？

该工具会根据原始图像进行计算，输出质量取决于原始文件的分辨率和所选的卷积参数。

## 相关工具

- [图像混合效果](https://elysiatools.com/zh/tools/image-add-blending): 使用各种混合模式将多张图像混合在一起，创建创意合成和效果
- [双边滤波器](https://elysiatools.com/zh/tools/image-bilateral-filter): 应用双边滤波器进行保持边缘的平滑处理，在减少噪声的同时保持图像细节
- [图像方框模糊](https://elysiatools.com/zh/tools/image-box-blur): 应用方框模糊核进行简单均匀平均和快速降噪
- [图像颜色加深](https://elysiatools.com/zh/tools/image-color-burn): 在两张图像之间应用颜色加深混合模式，实现戏剧性的暗化和强烈的色彩效果
- [图像颜色减淡](https://elysiatools.com/zh/tools/image-color-dodge): 在两张图像之间应用颜色减淡混合模式，创建明亮、空灵和发光的效果
- [图像卷积核处理](https://elysiatools.com/zh/tools/image-convolve): 应用标准卷积核（模糊、锐化、边缘检测、浮雕）进行图像处理和特效
- [图像高斯模糊](https://elysiatools.com/zh/tools/image-gaussian): 应用高斯模糊核进行平滑降噪和图像柔化，具有精确控制
- [图像梯度运算](https://elysiatools.com/zh/tools/image-gradient): 应用梯度运算（Sobel、Prewitt、Roberts）进行边缘检测和图像增强

## 示例

- [Web Python 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-python): Web Python 图像处理示例，使用 PIL/Pillow 包括读取、保存、缩放和格式转换
- [Web TypeScript 图像处理示例](https://elysiatools.com/zh/samples/web-image-processing-typescript): Web TypeScript 图像处理示例，包括图像读取保存、缩放和格式转换
- [Android Java 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-java): Android Java 图像处理示例，包括图像读取保存、缩放和格式转换
- [Android Kotlin 图像处理示例](https://elysiatools.com/zh/samples/android-image-processing-kotlin): Android Kotlin 图像处理示例，包括图像读取保存、缩放和格式转换

## 相关内容

- [图像边缘检测与卷积核实验室](https://elysiatools.com/zh/hubs/image-edge-detection-and-convolution-kernels): 提取亮度通道，用可复现的降噪半径抑制噪声，横向对比 Sobel、Prewitt、Roberts、Laplacian 算子，调好阈值化边缘检测，并把胜出结果复现为一张显式写明的卷积核。