是一种基于高斯滤波器的边缘检测方法。它与其他边缘检测方法的不同之处在于,它使用两个不同尺度的高斯滤波器对图像进行卷积,然后通过两个卷积结果的差异来检测边缘。下面是一个使用 OpenCV 库实现 DoG 边缘检测的示例代码:
int main()
{
cv::Mat src = cv::imread("image.jpg");
cv::Mat gray;
cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY);
cv::Mat blur1, blur2;
cv::GaussianBlur(gray, blur1, cv::Size(9, 9), 2.0);
cv::GaussianBlur(gray, blur2, cv::Size(0, 0), 4.0);
cv::Mat dog = blur1 - blur2;
cv::normalize(dog, dog, 0, 255, cv::NORM_MINMAX);
cv::imshow("src", src);
cv::imshow("dog", dog);
cv::waitKey(0);
return 0;
}
在这个示例中,首先读取了一张图像,然后将图像从 BGR 色彩空间转换到灰度色彩空间。接着,使用两个不同尺度的高斯滤波器进行卷积,然后通过两个卷积结果的差异来检测边缘。最后使用 `cv::imshow()` 函数来显示原始图像和处理后的图像。