图像微分

最新推荐文章于 2024-01-03 09:05:38 发布

王大锤的关门弟子

最新推荐文章于 2024-01-03 09:05:38 发布

阅读量2.2k

点赞数

分类专栏：计算机视觉

本文链接：https://blog.csdn.net/qzonelaji/article/details/106944375

版权

计算机视觉专栏收录该内容

8 篇文章 1 订阅

订阅专栏

图像微分考虑到图像中值离散一般为前后像素作差，这是一阶微分。应用中效果不佳，与此相比二阶微分效果较好，二阶微分是对一阶微分的再微分,数学表达为（考虑x方向时）f(x,y0)’=f(x,y0)-f(x-1,y0) f(x-1,y0)’=f(x-1,y0)-f(x-2,y0) f(x,y0)’’=f(x,y0)+f(x-2,y0)-2*f(x-1,y0)，梯度的大小为方向导数的平方和取根，方向由两方向导数比例可见。
在这里插入图片描述

Mat src = imread("d:/6.jpg", 0);
	imshow("原图像", src);
	Mat dst(src.rows, src.cols, CV_8UC1);

	for (int i = 1; i < src.rows - 1; i++)
	{
		uchar* src_prev = src.ptr<uchar>(i - 1);
		uchar* src_cur = src.ptr<uchar>(i);
		uchar* src_next = src.ptr<uchar>(i + 1);

		uchar* dst_cur = dst.ptr<uchar>(i);
		for (int j = 1; j < src.cols - 1; j++)
		{
			int relx = src_cur[j - 1] + src_cur[j + 1] - 2 * src_cur[j];
			int rely = src_prev[j] + src_next[j] - 2 * src_cur[j];
			double rel = relx * relx + rely * rely;
			if (sqrt(rel) >70)
				dst_cur[j] = 255;
			else dst_cur[j] = 0;
		}
	}
	imshow("梯度范数+阈值抑制->边缘检测", dst);
	


	Mat dst3(src.rows, src.cols, CV_8UC1);
	Canny(src, dst3, 60, 60);
	imshow("canny(梯度范数+邻域非极大值抑制+双阈值去假边缘连真边缘)->边缘检测", dst3);
	waitKey();