卷积应用-图像边缘提取
边缘是什么 – 是像素值发生跃迁的地方,是图像的显著特征之一,在图像特征提取、对象检测、模式识别等方面都有重要的作用。
如何捕捉/提取边缘 – 对图像求它的一阶导数
delta = f(x) – f(x-1), delta越大,说明像素在X方向变化越大,边缘信号越强,
Sobel算子
是离散微分算子(discrete differentiation operator),用来计算图像灰度的近似梯度
Soble算子功能集合高斯平滑和微分求导
又被称为一阶微分算子,求导算子,在水平和垂直两个方向上求导,得到图像X方法与Y方向梯度图像
求取导数的近似值,kernel=3时不是很准确,OpenCV使用改进版本Scharr函数,算子如下:
高斯平滑
转灰度
求梯度X和Y
振幅图像
#include<iostream>
#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui_c.h>
using namespace std;
using namespace cv;
int main()
{
Mat src, dst,src_gray;
src = imread("D:/learnopencv/opencv003/face.jpg");
GaussianBlur(src, dst, Size(3, 3), 0, 0);
cvtColor(src, src_gray, CV_BGR2GRAY);
imshow("src", src);
imshow("src_gray", src_gray);
Mat xgrad, ygrad;
//Sobel(src_gray, xgrad, CV_16S, 1, 0, 3);
//Sobel(src_gray, , ygrad, CV_16S, 0, 1, 3);
Scharr(src_gray, xgrad, CV_16S, 1, 0);
Scharr(src_gray, ygrad, CV_16S, 0, 1);
convertScaleAbs(xgrad, xgrad);
convertScaleAbs(ygrad, ygrad);
imshow("xgrad", xgrad);
imshow("ygrad", ygrad);
Mat xygrad = Mat(xgrad.size(), xgrad.type());
int width = xgrad.cols;
int height = ygrad.rows;
for (int row = 0; row < height; row++) {
for (int col = 0; col < width; col++) {
int xg = xgrad.at<uchar>(row, col);
int yg = ygrad.at<uchar>(row, col);
int xy = xg + yg;
xygrad.at<uchar>(row, col) = saturate_cast<uchar>(xy);
}
}
//addWeighted(xgrad, 0.5, ygrad, 0.5,0, xygrad);
imshow("output", xygrad);
waitKey();
return 0;
}