图像边缘检测（sobel算子，prewitt算子，loG算子）c++代码opencv

鸩鸦233

于 2024-01-16 17:16:38 发布

阅读量584

点赞数 8

文章标签： c++ opencv 开发语言

本文链接：https://blog.csdn.net/m0_50237690/article/details/135629899

版权

本文介绍了使用OpenCV库在C++中实现的两种边缘检测算法：Sobel算子和Prewitt算子，以及LoG算子的应用，包括计算过程和代码示例。重点展示了如何通过滤波和阈值处理来增强图像边缘的检测效果。

摘要由CSDN通过智能技术生成

话不多收，注释写的很详细，直接上代码
待提取边缘原图如下
在这里插入图片描述

	//sobel算子
	{
		Mat image = imread("D:/IInclude/opencv/images/hist_01.jpg");
		Mat resx, resy, rest;
		int dx1 = 2,  dy1=0, dsize1=1;
		int dx2 = 0, dy2=1, dsize2=3;
		//这三者的关系是任意一个方向的差分阶数都需要小于滤波器的尺寸，特殊情况是dsize=1时，任意一个方向的阶数都要小于3
		// 一般情况下，查分阶数的最大值为1时，滤波尺寸选3，查分阶数为2时，滤波尺寸选5，查分阶数为3时，滤波尺寸选7
		//当dsize=1时，程序尺寸不再为方形，为1*3或3*1的矩形
		Sobel(image, resx, CV_16S, 2, 0, 1);//x方向一阶边缘
		Sobel(image, resy, CV_16S, 0, 1, 3);//y方向的一阶边缘
		convertScaleAbs(resx, resx);
		convertScaleAbs(resy, resy);
		rest = resx + resy;
		imshow("sobel", rest);
	}

提取结果
在这里插入图片描述

//prewitt算子
void getPrewitt_oper(Mat& getPrewitt_horizontal, Mat& getPrewitt_vertical, Mat& getPrewitt_Diagonal1, Mat& getPrewitt_Diagonal2) {
	//水平方向
	getPrewitt_horizontal = (Mat_<float>(3, 3) << -1, -1, -1, 0, 0, 0, 1, 1, 1);
	//垂直方向
	getPrewitt_vertical = (Mat_<float>(3, 3) << -1, 0, 1, -1, 0, 1, -1, 0, 1);
	//对角135°
	getPrewitt_Diagonal1 = (Mat_<float>(3, 3) << 0, 1, 1, -1, 0, 1, -1, -1, 0);
	//对角45°
	getPrewitt_Diagonal2 = (Mat_<float>(3, 3) << -1, -1, 0, -1, 0, 1, 0, 1, 1);

	//逆时针反转180°得到卷积核
	flip(getPrewitt_horizontal, getPrewitt_horizontal, -1);
	flip(getPrewitt_vertical, getPrewitt_vertical, -1);
	flip(getPrewitt_Diagonal1, getPrewitt_Diagonal1, -1);
	flip(getPrewitt_Diagonal2, getPrewitt_Diagonal2, -1);
}

void edge_Prewitt(Mat& src, Mat& dst1, Mat& dst2, Mat& dst3, Mat& dst4, Mat& dst, int ddepth, double delta = 0, int borderType = BORDER_DEFAULT) {
	//获取Prewitt算子
	Mat getPrewitt_horizontal;
	Mat getPrewitt_vertical;
	Mat getPrewitt_Diagonal1;
	Mat getPrewitt_Diagonal2;
	getPrewitt_oper(getPrewitt_horizontal, getPrewitt_vertical, getPrewitt_Diagonal1, getPrewitt_Diagonal2);

	//卷积得到水平方向边缘
	filter2D(src, dst1, ddepth, getPrewitt_horizontal, cv::Point(-1, -1), delta, borderType);

	//卷积得到4垂直方向边缘
	filter2D(src, dst2, ddepth, getPrewitt_vertical, cv::Point(-1, -1), delta, borderType);

	//卷积得到45°方向边缘
	filter2D(src, dst3, ddepth, getPrewitt_Diagonal1, cv::Point(-1, -1), delta, borderType);

	//卷积得到135°方向边缘
	filter2D(src, dst4, ddepth, getPrewitt_Diagonal2, cv::Point(-1, -1), delta, borderType);

	//边缘强度（近似）
	convertScaleAbs(dst1, dst1); //求绝对值并转为无符号8位图
	convertScaleAbs(dst2, dst2);

	convertScaleAbs(dst3, dst3); //求绝对值并转为无符号8位图
	convertScaleAbs(dst4, dst4);
	dst = dst1 + dst2;
}
int mian(){
    Mat image = imread("D:/IInclude/opencv/images/hist_01.jpg");
	Mat dst, dst1, dst2, dst3, dst4;
	edge_Prewitt(image, dst1, dst2, dst3, dst4, dst, CV_32F);
	imshow("边缘强度prewitt", dst);
	waitKey(0);
}

提取结果
在这里插入图片描述

//loG算子
{
	if (image.channels() > 1)
		cvtColor(image, image, COLOR_RGB2GRAY);
	Mat dst;
	Mat gaussian_dst1, gaussian_dst2;
	//高斯滤波
	double sigma = 2, k = 1.6;
	GaussianBlur(image, gaussian_dst1, Size(7, 7) ,k * sigma);
	GaussianBlur(image, gaussian_dst2, Size(7, 7), sigma);

	dst = gaussian_dst1 - gaussian_dst2;
	threshold(dst, dst, 0, 255, THRESH_BINARY);
	imshow("loG算子", dst);
}