#include<iostream>
#include <opencv2/core.hpp>
#include<opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <opencv2/video/tracking.hpp>
using namespace std;
using namespace cv;
/*
任务要求:
读入一幅彩色图像,利用拉普拉斯算子增强图像边缘,
要求增强幅度用户可控制(控制方式可以是用户通过命令控制台输入增强幅度,
最好是通过滚动条的方式调节),显示出原图和增强后的结果。
*/
class CLaplacian {
private:
int aperture; // 拉普拉斯内核的孔径大小(尺寸)
public:
CLaplacian() : aperture(3) {}
// 设置内核的孔径大小(尺寸)
void setAperture(int a) {
if (a % 2 != 0)
{
aperture = a;
}
}
// 计算浮点数类型的拉普拉斯滤波结果
cv::Mat computeLaplacian(const cv::Mat& image) {
cv::Mat laplace; // 存放拉普拉斯滤波结果图
// 计算拉普拉斯滤波结果
cv::Laplacian(image, laplace, CV_32F, aperture);
return laplace;
}
// 应用拉普拉斯滤波并获得可显示的结果图
cv::Mat getLaplacianImage(const cv::Mat& image,
double scale = -1.0) {
// 应用拉普拉斯滤波
cv::Mat laplace = computeLaplacian(image);
// 如果scale<0,自动设置缩放系数,
// 保证后面convertTo结果像素值在(0, 255]
if (scale < 0) {
double lapmin, lapmax;
// 取得最小和最大拉普拉斯值
cv::minMaxLoc(laplace, &lapmin, &lapmax);
// 缩放拉普拉斯算子到127
scale = 127 / std::max(-lapmin, lapmax);
}
// 生成灰度图像
cv::Mat laplaceImage;
laplace.convertTo(laplaceImage, CV_8U, scale, 128);
return laplaceImage;
}
};
int sliderValue;//滚动条对应变量
const int Maxsilder = 20;
int Sildermark;//滚动条对应变量
cv::Mat gray;
void on_Trackbar(int pos, void* userdata)
{
// 用CLaplacian类应用拉普拉斯算子
CLaplacian laplacian;
laplacian.setAperture(pos); // 3×3的拉普拉斯算子
cv::Mat laplaceImg3 = laplacian.getLaplacianImage(gray);
cv::imshow("3X3拉普拉斯滤波结果", laplaceImg3);
}
void main()
{
Mat image, result;
image = cv::imread("n1.jpg");
if (image.empty())
{
cout << "读取图像失败" << endl;
exit(EXIT_FAILURE);
}
cv::imshow("原图", image);
// 转灰度图
cv::cvtColor(image, gray, cv::COLOR_BGR2GRAY);
Sildermark = 1;//滚动条初始值为1
namedWindow("3X3拉普拉斯滤波结果", 1);//创建窗口
char TrackbarName[30];//窗口中的滑动条控件
createTrackbar(TrackbarName, "3X3拉普拉斯滤波结果", &Sildermark, Maxsilder, on_Trackbar);
on_Trackbar(Sildermark, 0);
int c = waitKey(0);
if (c == 27)
{
exit;
}
destroyAllWindows();
}
Opencv拉普拉斯算法
最新推荐文章于 2024-05-11 11:09:03 发布