DOG图像，Sobel算子，自定义线性滤波，convertScaleAbs的用法

#include<opencv.hpp>
#include<iostream>

using namespace cv;
using namespace std;
int main() {
	Mat src, dst;
	src = imread("D:/cv_img_test/dog.jpg");
	if (src.empty()) {
		cout << "无法加载图像\n" << endl;
		return -1;
	}
	namedWindow("Input Img", WINDOW_AUTOSIZE);
	imshow("Input Img", src);


	//creat DOG img
	Mat d1, d2;
	GaussianBlur(src, d1, Size(3, 3), 0);
	GaussianBlur(d1, d2, Size(3, 3), 0);
	//imshow("d1", d1);
	//imshow("d2", d2);

	Mat DOG_img;
	subtract(d1, d2, DOG_img, Mat());
	normalize(DOG_img, DOG_img, 255, 0, NORM_MINMAX);
	imshow("DOG result", DOG_img);

	//creat Sobel
	Mat d3, xgrad, ygrad;
	medianBlur(src, d3, 3);//中值平滑
	cvtColor(d3, d3, COLOR_BGR2GRAY);//转灰度图像

	Sobel(d3, xgrad, CV_32F, 1, 0, 3);//x梯度
	Sobel(d3, ygrad, CV_32F, 0, 1, 3);//y梯度
	convertScaleAbs(xgrad, xgrad);//将32F转换到8U类型，此API也可用于快速调整图像对比度与亮度
	convertScaleAbs(ygrad, ygrad);
	imshow("xgrad", xgrad);
	imshow("ygrad", ygrad);
	addWeighted(xgrad, 0.5, ygrad, 0.5, 0.0, dst);//图像混合
	imshow("dst", dst);
	Mat dst1;
	Mat kernel = (Mat_<int>(3,3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);//锐化算子
	filter2D(dst, dst1, -1, kernel);
	imshow("dst1", dst1);


	waitKey(0);
	return 0;
}

1.DOG图像

高斯差分图像，可用于特征点选取

https://blog.csdn.net/songzitea/article/details/8831909

2.Sobel算子运用

Sobel算子对噪声敏感，因此在使用前需进行降噪处理

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/sobel_derivatives/sobel_derivatives.html#sobel

3.自定义线性滤波

filter2D(src,dst,depth,kernel,point/*锚点位置*/，int beta/*偏移值**/)

自定义算子

Mat kernel = (Mat_<int>(3,3)<<0,-1,0,-1,5,-1,0,-1,0)//锐化算子

4.convertScaleAbs用法

可用于快速调整图像对比度与亮度，也可以将16位，32位图像转换成8U图像进行输出。

https://blog.csdn.net/sss_369/article/details/89647680?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-1.control