常用的边缘检测滤波器

hahahanba

已于 2023-04-21 16:15:58 修改

阅读量7.9k

点赞数 4

分类专栏：图像处理文章标签：计算机视觉图像处理 opencv

于 2022-03-12 21:42:40 首次发布

本文链接：https://blog.csdn.net/hahahanba/article/details/123449674

版权

本文介绍了常用的边缘检测滤波器，包括MAX-MIN滤波器、差分滤波器、Sobel滤波器、Prewitt滤波器、Laplacian滤波器和Emboss滤波器。这些滤波器在图像处理中用于特征提取，特别是针对图像的边缘检测，以揭示图像的细节和轮廓。

摘要由CSDN通过智能技术生成

常用的边缘检测滤波器

使用常见的边缘检测滤波器（ $3\times3$ ）大小，对fate.jpeg进行图像处理。

MAX- MIN滤波器：

边缘检测用于检测图像中的线。通常这样提取图像中的信息的操作被称为特征提取。
MAX-MIN滤波器是一种常见的边缘检测滤波器，其使用网格内像素的最大值和最小值的差值对网格内像素重新赋值。

边缘检测通常在灰度图像上进行。

MAX-MIN滤波器：

// max_min_filter
cv::Mat max_min_filter(cv::Mat img, int kernel_size)
{
   
    int row = img.rows;
    int col = img.cols;
    int channel = img.channels();

    cv::Mat new_image = cv::Mat::zeros(row, col, CV_8UC1);

    int pad = floor(kernel_size / 2);

    double max_val = 0, min_val = 10000, val = 0;
    for (int i = 0; i < row; i++)
    {
   
        for (int j = 0; j < col; j++)
        {
   
            max_val = 0;
            min_val = 10000;
            for (int di = -pad; di < pad + 1; di++) {
   
                for (int dj = -pad; dj < pad + 1; dj++) {
   
                    if (((di + i) >= 0) && ((di + i) < row) && ((dj + j) >= 0) && ((dj + j) < col)) {
   
                        val = img.at<uchar>(i + di, j + dj);
                    }
                    if (val > max_val) {
   
                        max_val = val;
                    }
                    if (val < min_val) {
   
                        min_val = val;
                    }
                }
            }
            new_image.at<uchar>(i, j) = (uchar)(max_val - min_val);
        }
    }

    return new_image;
}

输入图像 (fate.jpeg)	MAX-MIN滤波图像 (fate_max_min.jpeg)

差分滤波器

差分滤波器对图像亮度急剧变化的边缘有提取效果，可以获得邻接像素的差值。

纵向：
$K=\left[ \begin{matrix} 0&-1&0\\ 0&1&0\\ 0&0&0 \end{matrix} \right]$
横向：
$K=\left[ \begin{matrix} 0&0&0\\ -1&1&0\\ 0&0&0 \end{matrix} \right]$

// diff_filter
cv::Mat diff_filter(cv::Mat img, int kernel_size, bool horizontal)
{
   
    int row = img.rows;
    int col = img.cols;

    cv::Mat new_image = cv::Mat::zeros(row, col, CV_8UC1);

    int pad = floor(kernel_size / 2);
    int kernel[3][3] = {
   {
   0, -1, 0}, {
   0, 1, 0}, {
   0, 0, 0}};

    if (horizontal)
    {
   
        kernel[0][1] = 0;
        kernel[1][0] = -1;
    }

    double val = 0;
    for (int i = 0; i < row; i++)
    {
   
        for (int j = 0; j < col; j++)
        {
   
            val = 0;
            for (int di = -pad; di < pad + 1; di++)
            {
   
                for (int dj = -pad; dj < pad + 1; dj++)
                {
   
                    if (((di + i) >= 0) && ((di + i) < row) && ((dj + j) >= 0) && ((dj + j) < col))
                    {
   
                        val += img.at<uchar>(i + di, j + dj) * kernel[di + pad][dj + pad];
                    }
                }
            }
            val = fmax(val, 0);
            val = fmin(val, 255);
            new_image.at<uchar>(i, j) = (uchar)val;
        }
    }

    return new_image;
}