OpenCV高斯差分技术实现图像边缘检测

纯粹阅读，请移步OpenCV高斯差分技术实现图像边缘检测

效果图

源码

KqwOpenCVFeaturesDemo

边缘是图像中像素亮度变化明显的点。

高斯差分算法步骤

1. 将图像转为灰度图像

   // 原图置灰
   Imgproc.cvtColor(src, grayMat, Imgproc.COLOR_BGR2GRAY);

2. 用两个不同的模糊半径对灰度图像执行高斯模糊（取得两幅高斯模糊图像）

   // 以两个不同的模糊半径对图像做模糊处理
   Imgproc.GaussianBlur(grayMat, blur1, new Size(15, 15), 5);
   Imgproc.GaussianBlur(grayMat, blur2, new Size(21, 21), 5);

3. 将两幅高斯模糊图像做减法，得到一幅包含边缘点的结果图像

   // 将两幅模糊后的图像相减
   Mat diff = new Mat();
   Core.absdiff(blur1, blur2, diff);

该方法只对图像做了高斯模糊，这是计算图像边缘最快的方法之一，但是，该方法的结果也不是很理想，这种方式对某些图像效果很好，但是在某些情况下可能会完全失效。

封装

这里用到了RxJava。主要是因为图片处理是耗时操作，会阻塞线程，为了防止界面卡顿，这里使用RxJava进行了线程切换。

/**
 * 高斯差分算法边缘检测
 *
 * @param bitmap 要检测的图片
 */
public void differenceOfGaussian(Bitmap bitmap) {
    if (null != mSubscriber)
        Observable
                .just(bitmap)
                .map(new Func1<Bitmap, Bitmap>() {

                    @Override
                    public Bitmap call(Bitmap bitmap) {

                        Mat grayMat = new Mat();
                        Mat blur1 = new Mat();
                        Mat blur2 = new Mat();

                        // Bitmap转为Mat
                        Mat src = new Mat(bitmap.getHeight(), bitmap.getWidth(), CvType.CV_8UC4);
                        Utils.bitmapToMat(bitmap, src);

                        // 原图置灰
                        Imgproc.cvtColor(src, grayMat, Imgproc.COLOR_BGR2GRAY);

                        // 以两个不同的模糊半径对图像做模糊处理
                        Imgproc.GaussianBlur(grayMat, blur1, new Size(15, 15), 5);
                        Imgproc.GaussianBlur(grayMat, blur2, new Size(21, 21), 5);

                        // 将两幅模糊后的图像相减
                        Mat diff = new Mat();
                        Core.absdiff(blur1, blur2, diff);

                        // 反转二值阈值化
                        Core.multiply(diff, new Scalar(100), diff);
                        Imgproc.threshold(diff, diff, 50, 255, Imgproc.THRESH_BINARY_INV);

                        // Mat转Bitmap
                        Bitmap processedImage = Bitmap.createBitmap(grayMat.cols(), grayMat.rows(), Bitmap.Config.ARGB_8888);
                        Utils.matToBitmap(diff, processedImage);

                        return processedImage;
                    }
                })
                .subscribeOn(Schedulers.io())
                .observeOn(AndroidSchedulers.mainThread())
                .subscribe(mSubscriber);
}

使用

// 图片特征提取的工具类
mFeaturesUtil = new FeaturesUtil(new Subscriber<Bitmap>() {
    @Override
    public void onCompleted() {
        // 图片处理完成
        dismissProgressDialog();
    }

    @Override
    public void onError(Throwable e) {
        // 图片处理异常
        dismissProgressDialog();
    }

    @Override
    public void onNext(Bitmap bitmap) {
        // 获取到处理后的图片
        mImageView.setImageBitmap(bitmap);
    }
});

// 高斯差分技术检测图像边缘
mFeaturesUtil.differenceOfGaussian(mSelectImage);