openCV图像变换

一. 边缘检测

1. 实现步骤:
   1 消除噪声 ,使用高斯平滑滤波器卷积降噪。
   2 计算梯度幅值和反向
   3 非极大值抑制
   4 阈值
2. Canny边缘检测:Canny()函数

c++:
	void Canny(InputArray image,OutputArray edges, double threshold1,
	double threshold2,int apertureSize = 3,bool L2gradient = flase)

1.第一个参数，输入的图像
2. 第二个参数，输出的图像
3. 第三个参数，阈值1
4. 第四个参数，阈值2
5. 第五个参数，Sobel算子的孔径大小，默认为3
6. 第六个参数，一个计算图像梯度幅值的标识，某类为false

3. 程序实例

#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;

int main(void)
{
	Mat src = imread("1.jpg");
	Mat dst,src1=src.clone();
	
	Mat edge,gray,edge1;
	dst.create(src1.size(),src1.type());
	cvtColor(src1,gray,COLOR_BGR2GRAY); 	//转换成灰度图片
	blur(gray,edge,Size(3,3); //降噪
	Canny(edge,	edge1,3,9,3);
	dst = Scalar::all(0);		// 将所有元素都设置为0
	src1.copyTo(dst,edge);
	imshow("B",dst);
	waitKey(0);
	return 0;
}

二. sobel算子

1. 计算过程
   1 分别在x和y两个方向求导
   2 在图像的每一点，结合以上两个求出近似梯度

2. Sobel算子：Sobel()函数

c++ ：
void Sobel(InputArray src,OutputArray dst,int ddepth,int dx,int dy,int ksize=3,
double scale=1,double delta = 0,int borderType=BORDER_DEFAULT);

1. 第一个参数：输入的图片
2. 第二个参数：输出的图片
3. 第三个参数：输出图像的深度
4. 第四个参数：int类型dx，x方向上的差分阶数
5. 第五个参数：int类型dy，y方向上的差分阶数
6. 第六个参数：int类型的ksize，默认为3，表示Sobel核的大小，必须取1,3,5,7
7. 第七个参数：double类型的scale，计算时的缩放因子
8. 第八个参数：double类型的delta，表示偏移值。
9. 第九个参数：边界模式，默认为BORDER_DEFAULT

3. 程序实例

#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;

int main(void)
{
	Mat grad_x,grad_y;
	Mat abs_grad_x,abs_grad_y,dst;
	Mat src = imread("1.jpg");
	imshow("AA",src);
    // 计算x方向的梯度
	Sobel(src,grad_x,CV_16S,1,0,3,1,1,BORDER_DEFAULT);
	convertScaleAbs(grad_x,abs_grad_x);
	imshow("BB",abs_grad_x);
	// 计算y方向的梯度。
	Sobel(src,grad_y,CV_16S,0,1,3,1,1,BORDER_DEFAULT);
	convertScaleAbs(grad_y,abs_grad_y);
	imshow("CC",abs_grad_y);

	waitkey(0);
	return 0;
}

三. 拉普斯拉变换

1. Laplaceian()函数

c++:
void Laplaceian(InputArray src,OutputArray dst,int ddepth,int ksize=1,
double scale=1,double delta=0,intborderType=BORDER_DEFAULT);

1. 第一个参数：输入的图片
2. 第二个参数：输出的图片
3. 第三个参数：目标图像的深度
4. 第四个参数：计算二阶导数的滤波器的孔径尺寸
5. 第五个参数：缩放因子
6. 第六个参数：偏移值
7. 第七个参数：边界模式

2. 程序实例

#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;

int main(void)
{
	Mat src,src1,src_gray,dst,abs_gray;
	src = imread("1.jpg");
	
	GaussianBlur(src,src1,Size(3,3),0,0,BORDER_DEFAULT);
	cvtColor(src1,src_gray,COLOR_RGB2GRAY);
	
	Laplaceian(src_gray,dst,CV_16S,3,1,0,BORDER_DEFAULT);
	convertScaleAbs(dst,abs_dst);
	
	imshow("A",abs_dst);
	waitKey(0);
	return 0;


}

三. scharr滤波器

1. 使用Scharr滤波器分别计算x或y方向的图像差分。

c++:
void Scharr(InputArray src,OutputArray dst,int ddepth,int dx,int dy,
double scale=1,double delta=0,intborderType = BORDER_DEFAULT);

1. 第一个参数:输入图像
2. 第二个参数:输出图像
3. 第三个参数：输出图像深度
4. 第四、五个参数：计算x，y方向的梯度
5. 第六个参数：缩放因子
6. 第七个参数：偏移值
7. 第八个参数：边界模式

2. 程序实例

#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;

int main(void)
{
	Mat grad_x,grad_y;
	Mat abs_grad_x,abs_grad_y,dst;
	Mat src = imread("1.jpg");
	
	Scharr(src,grad_x,CV_16S,1,0,1,0,BORDER_DEFAULT);
	convertScaleAbs(grad_x,abs_grad_x);
	imshow("A",abs_grad_x);
	
	Scharr(src,grad_y,CV_16S,0,1,1,0,BORDER_DEFAULT);
	convertScaleAbs(grad_y,abs_grad_y);
	imshow("B",abs_grad_y);

	waitKey(0);
	return 0;

}