(一)sobel算子
卷积应用——图像边缘提取
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。
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:
(二)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: