两种求灰度图取梯度最大值的方法

该博客主要介绍了两种垂直边界位置的检测方法。首先,通过计算像素差的绝对值求和,找到最大或最小值来确定边界;其次,使用Sobel算子提取梯度,再找出最大值定位边界。这两种方法适用于图像处理和计算机视觉领域的边缘检测。
摘要由CSDN通过智能技术生成

int GetVerticalBoundaryPositon(const Mat& src, const int widthStep, bool isMax)
{
	if (src.data == NULL)
	{
		return 0;
	}
	Mat inputImg = src.clone();
	Mat gradient = Mat::zeros(1, src.cols, CV_32FC1);
	int sum = 0;
	for (int i = widthStep; i < src.rows - widthStep; i++)
	{
		for (int j = 0; j < src.cols; j++)
		{
			for (int k = 0; k < widthStep; k++)
			{
				sum += abs(src.at<char>(i + k, j) - src.at<char>(i - k, j));
			}
		}
		gradient.at<float>(0, i) = (float)sum;
	}

	double minVal, maxVal;
	Point minPst, maxPst;
	minMaxLoc(gradient, &minVal, &maxVal, &minPst, &maxPst);

	int postion = 0;
	if (isMax)
	{
		postion = maxPst.y;
	}
	else
	{
		postion = minPst.y;
	}

	return postion;

}

int GetVerticalBoundaryPosition2(const Mat& src, Rect roi)
{
	if (src.data == NULL)
	{
		return 0;
	}
	Mat sobelImg;
	//GaussianBlur(src, src, Size(5, 5), 5);
	Sobel(src, sobelImg, -1, 0, 1, 3);

	Mat gradientImg;

	sobelImg(roi).copyTo(gradientImg);

	Mat gradient = Mat::zeros(1, gradientImg.rows, CV_32FC1);
	for (int i = 0; i < gradientImg.rows; i++)
	{
		char* data = gradientImg.ptr<char>(i);
		int sum = 0;
		for (int j = 0; j < gradientImg.cols; j++)
		{
			sum += data[j];
		}
		gradient.at<float>(0, i) = abs((float)sum);
	}
	double minVal, maxVal;
	Point minPst, maxPst;
	minMaxLoc(gradient, &minVal, &maxVal, &minPst, &maxPst);
	
	return maxPst.y;
}
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Christo3

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值