使用opencv对图片进行边缘特征提取

最新推荐文章于 2024-03-06 10:11:07 发布

coordinate_blog

最新推荐文章于 2024-03-06 10:11:07 发布

阅读量1w

点赞数 4

分类专栏： Digital image processing 从零开始编写自己的photoshop 文章标签： opencv qt c++

本文链接：https://blog.csdn.net/qq_17550379/article/details/78358047

版权

本文介绍了使用OpenCV进行图像边缘特征提取的方法，包括Laplacian、Laplacian+高斯滤波、Sobel算子、Canny算子和Scharr滤波器。通过比较，发现Canny算子在消除噪声、边缘定位和抑制虚假响应方面表现最佳，而Scharr滤波器在精度上优于Sobel。最终，这些技术被整合到作者的图像处理小程序中。

摘要由CSDN通过智能技术生成

问题的描述

我们需要通过一些图像处理的手段，将a图中图像的轮廓提取出来，结果类似于b图。

解决思路

使用Laplacian

看到这个问题，我想到的第一办法就是拉普拉斯算子。ok，沿着这个思路，我通过opencv在windows平台上进行了一些测试。
Laplacian 算子的定义:

$Laplace(f)=\frac{(∂^2 f)}{(∂x^2 )}+\frac{(∂^2 f)}{(∂y^2 )}$

这里求导使用的方法是Sobel算子，关于Sobel算子请看2.3。
在opencv中Laplacian的函数原型

CV_EXPORTS_W void Laplacian( InputArray src, OutputArray dst, int ddepth,
                             int ksize = 1, double scale = 1, double delta = 0,
                             int borderType = BORDER_DEFAULT );

在opencv源代码中就已经说明了这个函数的使用，如下：

@param src Source image.
@param dst Destination image of the same size and the same number of channels as src .
@param ddepth Desired depth of the destination image.
@param ksize Aperture size used to compute the second-derivative filters. See getDerivKernels for details. The size must be positive and odd.
@param scale Optional scale factor for the computed Laplacian values. By default, no scaling is applied. See getDerivKernels for details.
@param delta Optional delta value that is added to the results prior to storing them in dst .
@param borderType Pixel extrapolation method, see cv::BorderTypes