高斯拉普拉斯边缘检测算子(LOG)

图像边缘可表示为一阶过极点或二阶过零点.
拉普拉斯算子表示为d2f = a2f / a2x + a2f / a2y
由于噪声点对边缘检测影响较大,所以由高斯滤波和拉普拉斯算子结合,形成高斯拉普拉斯算子。
由高斯函数根据拉普拉斯算子的公式求导可得
这里写图片描述
离散化,取sigma为1.0,则5x5模块为
{0.0175 0.0392 0.0431 0.0392 0.0175
0.0392 0 -0.0965 0 0.0392
0.0431 -0.0965 -0.3183 -0.0965 0.0431
0.0392 0 -0.0965 0 0.0392
0.0175 0.0392 0.0431 0.0392 0.0175}
对其取整,并使总和为0,则
{ -2, -4, -4, -4, -2,
-4, 0, 8, 0, -4,
-4, 8, 24, 8, -4,
-4, 0, 8, 0, -4,
-2, -4, -4, -4, -2 };

#include"cv.h"
#include "highgui.h"

void LOG(CvMat* gray, CvMat* edge);
int main()
{
    IplImage *src = cvLoadImage("flower.jpg",1);

    const int width = src->width;
    const int height = src->height;

    CvMat *gray = cvCreateMat(height, width, CV_8UC1);
    cvCvtColor(src, gray, CV_BGR2GRAY);

    CvMat *edge = cvCreateMat(height, width, CV_8UC1);
    LOG(gray, edge);



    cvShowImage("SRC", src);
    cvShowImage("GRAY", gray);
    cvShowImage("LOG", edge);
    cvWaitKey(0);

    cvCvtColor(gray, src, CV_GRAY2BGR);
    cvSaveImage("GRAY.bmp", src);

    cvCvtColor(edge, src, CV_GRAY2BGR);
    cvSaveImage("EDGE.bmp", src);

    cvReleaseMat(&gray);
    cvReleaseMat(&edge);
    return 0;
}
void LOG(CvMat* gray, CvMat* edge)
{
    const int width = gray->width;
    const int height = gray->height;

    cvZero(edge);

    CvMat* edgeTemp1 = cvCreateMat(height, width, CV_16SC1);

    cvZero(edgeTemp1);

    int Template1[25] =  { -2, -4, -4, -4, -2,
                          -4,  0,  8,  0, -4,
                          -4,  8,  24, 8, -4,
                          -4,  0,  8,  0, -4,
                          -2, -4, -4, -4, -2 };


    for (int j = 2; j < height - 2; j ++)
    {
        int* edgeTemp1Data = (int*)(edgeTemp1->data.ptr + j * edgeTemp1->step);
        uchar* edgeData = (uchar*)(edge->data.ptr + j * edge->step);
        for (int i = 2; i < width - 2; i ++)
        {
            for (int k = 0; k < 5; k ++)
            {
                for (int l = 0; l < 5; l ++)
                {
                    edgeTemp1Data[i] += Template1[5 * k + l] * ((uchar*)(gray->data.ptr + (j + k - 2) * gray->step))[i + l - 2];
                    if (abs(edgeTemp1Data[i]) > 255)
                    {
                        edgeData[i] = 255;
                    }
                    else
                    {
                        edgeData[i] = abs(edgeTemp1Data[i]);
                    }
                }
            }

        }
    }

    cvReleaseMat(&edgeTemp1);

}



源图,灰度图和效果图如下所示:
这里写图片描述
这里写图片描述
这里写图片描述

  • 4
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
边缘检测是一种在图像中识别物体边界的技术。在Matlab中,有多种算子可用于边缘检测,如Sobel算子、Prewitt算子、Roberts算子Log算子和Canny算子等。 以下是这些算子的简要介绍: 1. Sobel算子:Sobel算子是一种基于梯度的边缘检测算子,它通过计算图像的一阶导数来确定边缘。Sobel算子在水平和垂直方向上分别应用两个3x3的卷积核,然后将两个方向的结果合并。 2. Prewitt算子:Prewitt算子也是一种基于梯度的边缘检测算子,原理与Sobel算子类似,但它使用了不同的3x3卷积核。 3. Roberts算子:Roberts算子是一种基于差分的边缘检测算子,它使用两个2x2的卷积核分别在水平和垂直方向上计算差分。 4. Log算子Log算子是一种二阶导数算子,它在图像上应用高斯滤波器,然后计算拉普拉斯算子。 5. Canny算子:Canny算子是一种广泛使用的边缘检测算子,它结合了多个步骤,包括高斯滤波、计算梯度、非极大值抑制和双阈值处理等。Canny算子能够检测出具有低误差率和高定位精度的边缘。 以上是一些常用的边缘检测算子,每个算子都有其优缺点。Sobel和Prewitt算子适用于简单的边缘检测任务,而Roberts算子对噪声比较敏感。Log算子对噪声具有抑制作用,但会导致边缘模糊。Canny算子在综合考虑了准确性和鲁棒性的基础上,提供了更好的边缘检测结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值