OpenCV之卷积得到二阶导数

设图像中每个像素点的值为$f(x)$，对其做泰勒展开。

$$f(x+h)=f(x)+hf^{'}(x)+\frac{1}{2}h^{2}f^{''}(x)+\frac{1}{3!}h^{3}f^{'''}(x)+O(h^{4})$$

$$f(x-h)=f(x)-hf^{'}(x)+\frac{1}{2}h^{2}f^{''}(x)-\frac{1}{3!}h^{3}f^{'''}(x)+O(h^{4})$$

将两式相加，得到：

$$\frac{f(x-h)-2f(x)+f(x+h)}{h^{2}}=f^{''}(x)+O(h^{2})$$

$h=1$的时候，直接将矩阵

$$\left[ \begin{matrix} 1 & -2 & 1 \end{matrix} \right]$$

对图像一行一行的做卷积就可以得到每个点$x$方向的二阶导数，$y$方向同理，把那个矩阵竖过来就可以了。

将两个矩阵相加，把矩阵

$$\left[ \begin{matrix} 0 & 1 & 0 \\ 1 & -4 & 1 \\ 0 & 1 & 0 \end{matrix} \right]$$

对整个图卷积一遍可以同时得到两个方向的二阶导数。

……代码写的丑请多见谅

#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>
#include <cstdio>
using namespace cv;

int canny[5][5];

void init(){
    canny[1][1]=0,  canny[1][1]=1,  canny[1][3]=0;
    canny[2][1]=1,  canny[2][2]=-4, canny[2][3]=1;
    canny[3][1]=0,  canny[3][2]=1,  canny[3][3]=0;
}

Mat Do_X_Slow_Convolution(Mat img){
    Mat ans;
    img.copyTo(ans);
    for (int i=0;i<img.rows;i++){
        for (int j=0;j<img.cols;j++){
            if (j==0||j==img.cols-1)    continue;
            ans.at<uchar>(i,j)=img.at<uchar>(i,j-1)-2*img.at<uchar>(i,j)+img.at<uchar>(i,j+1);
        }
    }
    return ans;
}

Mat Do_Y_Slow_Convolution(Mat img){
    Mat ans;
    img.copyTo(ans);
    for (int i=0;i<img.rows;i++){
        for (int j=0;j<img.cols;j++){
            if (i==0||i==img.rows-1)    continue;
            ans.at<uchar>(i,j)=img.at<uchar>(i-1,j)-2*img.at<uchar>(i,j)+img.at<uchar>(i+1,j);
        }
    }
    return ans;
}

Mat Do_XandY_Slow_Convolution(Mat img){ // 灰度图
    int row=img.rows;
    int col=img.cols;
    Mat ans;
    img.copyTo(ans);
    for (int i=0;i<row;i++){
        for (int j=0;j<col;j++){
            if (i==0||i==row-1||j==0||j==col-1){
                continue;
            }
            int tmp=0;
            for (int u=1;u<=3;u++){
                for (int v=1;v<=3;v++){
                    int Pixel_Value=img.at<uchar>(i+u-2,j+v-2);
                    tmp+=Pixel_Value*canny[4-u][4-v];
                }
            }
            ans.at<uchar>(i,j)=tmp;
        }
    }
    return ans;
}

int main(){
    init();
    Mat src;
    src=imread("/Users/hxh/Desktop/2.jpg",0);
    namedWindow("src",WINDOW_AUTOSIZE);
    namedWindow("res",WINDOW_AUTOSIZE);
    namedWindow("resX",WINDOW_AUTOSIZE);
    namedWindow("resY",WINDOW_AUTOSIZE);
    Mat res=Do_XandY_Slow_Convolution(src);
    Mat resX=Do_X_Slow_Convolution(src);
    Mat resY=Do_Y_Slow_Convolution(src);
    imshow("src",src);
    imshow("res",res);
    imshow("resX",resX);
    imshow("resY",resY);
    waitKey(0);
    return 0;
}