《实用OpenCV》<五> 图像滤波（3）

最新推荐文章于 2023-12-06 17:09:17 发布

天使爱撒谎

最新推荐文章于 2023-12-06 17:09:17 发布

阅读量1.7k

点赞数

分类专栏： OpenCV 《实用OpenCV》文章标签： opencv

OpenCV 同时被 2 个专栏收录

15 篇文章 0 订阅

订阅专栏

《实用OpenCV》

14 篇文章 10 订阅

订阅专栏

有效检测图像边缘和拐角

之前的水平和垂直边缘可以很轻易地使用滤波器来检测。如果建立一个合适固定朝向的核，你也可以检测其他方向上的边缘。然而事实上一般需要检测图像里所有朝向的边缘。我们将讨论一些智能的方法来做到这一点。当然，拐角也是可以用一些合适的核来检测的。

边缘

边缘是图像里那些梯度非常高的点。我们说的梯度是指像素亮度值变化。图像梯度是通过计算x和y方向上的梯度然后使用毕达哥拉斯定理(注:勾股定理)结合得到。虽然通常不需要该值，你可以分别通过y与x的比例的反正切来得到梯度角度值。

x和y方向上的梯度可以分别用下面的核做卷积计算得到：

-3 0 3
-10 0 10
-3 0 3 (X 方向)

-3 -10 -3
0 0 0
3 10 3 (Y 方向)

总梯度，G = sqrt(Gx2 + Gy2)

梯度的角度，Ф = arctan(Gy / Gx)

上面展示的两个核被称为Scharr操作，OpenCV也提供了一个叫Scharr()的函数可以对一张图像做指定大小和指定方向（X或Y）上的Scharr操作。

例 5-4 使用Scharr操作来检测图像边缘

// Program to detect edges in an image using the Scharr operator
// Author: Samarth Manoj Brahmbhatt, University of Pennyslvania
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace std;
using namespace cv;
int main() {
   Mat image = imread("lena.jpg"), image_blurred;
   // Blur image with a Gaussian kernel to remove edge noise
   GaussianBlur(image, image_blurred, Size(3, 3), 0, 0);
   // Convert to gray
   Mat image_gray;
   cvtColor(image_blurred, image_gray, CV_RGB2GRAY);
   // Gradients in X and Y directions
   Mat grad_x, grad_y;
   Scharr(image_gray, grad_x, CV_32F, 1, 0);
   Scharr(image_gray, grad_y, CV_32F, 0, 1);
   // Calculate overall gradient
   pow(grad_x, 2, grad_x);
   pow(grad_y, 2, grad_y);
   Mat grad = grad_x + grad_y;
   sqrt(grad, grad);
   // Display
   namedWindow("Original image");
   namedWindow("Scharr edges");
   // Convert to 8 bit depth for displaying
   Mat edges;
   grad.convertTo(edges, CV_8U);
   imshow("Original image", image);
   imshow("Scharr edges", edges);
   while(char(waitKey(1)) != 'q') {}
   return 0;
}