opencv3.1.0+vs2015——sobel算子和laplance算子

(一)sobel算子

卷积应用——图像边缘提取opencv3.1.0+vs2015——sobel算子和laplance算子
边缘——是像素值发生跃迁的地方,是图像的显著特征之一,在图像特征提取、对象检测、模式识别等方面都有重要的作用。
如何捕捉/提取边缘——对图像求它的一阶导数。delta=f(x)-f(x-1),delta越大,说明像素在x方向变化越大,边缘新号越强。

sobel算子是离散微分算子用来计算图像灰度的近似梯度。
sobel算子功能集合高斯平滑和微分求导。又被称为一阶微分算子,求导算子,在水平和垂直两个方向上求导,得到图像x方向与y方向梯度图像。
opencv3.1.0+vs2015——sobel算子和laplance算子
opencv3.1.0+vs2015——sobel算子和laplance算子
其中,表中output depth中的-1代表与输入的depth相同。
输入代码如下:

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main(int argc, char** argv)
{
	Mat src, dst;
	src = imread("D:/studytest/lena.jpg");
	if (src.empty())
	{
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);
	GaussianBlur(src, dst, Size(3, 3), 0, 0);//高斯模糊去噪声
	Mat gray_src;
	cvtColor(dst, gray_src, CV_BGR2GRAY);//转换为灰度图像
	Mat xgrad, ygrad;
	//Scharr(gray_src, xgrad, CV_16S, 1, 0);  //Scharr给出的更为精确
	//Scharr(gray_src, ygrad, CV_16S, 0, 1);
	Sobel(gray_src, xgrad, CV_16S, 1, 0, 3);//Sobel求x方向的梯度
	Sobel(gray_src, ygrad, CV_16S, 0, 1, 3);
	convertScaleAbs(xgrad, xgrad); //取绝对值
	convertScaleAbs(ygrad, ygrad);
	imshow("xgrad image", xgrad);
	imshow("ygrad image", ygrad);
	Mat xygrad=Mat(xgrad.size(),xgrad.type());
	int width = xgrad.cols;
	int height = ygrad.rows;
	for (int row = 0; row < height; row++)
		for (int col = 0; col < width; col++)
			xygrad.at<uchar>(row, col) = saturate_cast<uchar>(xgrad.at<uchar>(row, col) + ygrad.at<uchar>(row, col));
	//addWeighted(xgrad, 0.5, ygrad, 0.5,0,xygrad);
	imshow("xygrad image", xygrad);
	waitKey(0);
	return 0;
}

输出结果入下图所示:
opencv3.1.0+vs2015——sobel算子和laplance算子

(二)laplance算子

opencv3.1.0+vs2015——sobel算子和laplance算子
处理流程:
1)高斯模糊——去噪声GaussianBlur()
2)转换为灰度图像cvtColor()
3)拉普拉斯——二阶导数计算Laplacian()
4)取绝对值convertScaleAbs()
5)显示结果

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main(int argc, char** argv)
{
	Mat src, dst;
	src = imread("D:/studytest/lena.jpg");
	if (src.empty())
	{
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);
	Mat gray_src,lap_image, lap_image_new;
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	cvtColor(dst, gray_src, CV_BGR2GRAY);
	Laplacian(gray_src, lap_image, CV_16S, 3);
	convertScaleAbs(lap_image, lap_image);
	imshow("output image", lap_image);
	threshold(lap_image, lap_image_new, 0, 255, THRESH_OTSU | THRESH_BINARY);//阈值操作
	imshow("output new image", lap_image_new);
	waitKey(0);
	return 0;
}

结果入下图所示:
opencv3.1.0+vs2015——sobel算子和laplance算子

上一篇:图像识别之边缘识别


下一篇:OpenCV 计算机视觉 (三)像素操作