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。
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();