05-VTK在图像处理中的应用(7)

最新推荐文章于 2023-09-13 18:31:28 发布

DolingStudio

最新推荐文章于 2023-09-13 18:31:28 发布

阅读量9.5k

点赞数 1

分类专栏： VTK系列教程 vtk应用开发文章标签： Canny算子 Sobel算子 VTK 图像处理边缘检测

本文链接：https://blog.csdn.net/www_doling_net/article/details/8560298

版权

本文介绍了VTK在图像处理中如何应用梯度算子、Canny算子和拉普拉斯算子进行边缘检测。通过示例代码展示了如何使用VTK进行图像梯度计算、Sobel算子及Canny算子的实现，强调了这些算子在边缘检测中的作用和处理步骤。

摘要由CSDN通过智能技术生成

5.12 边缘检测

图像中不连续的灰度值会产生边缘，图像的边缘检测是基于边界的图像分割方法的基础，例如分水岭算法，通常是分割原图的梯度图像，梯度实际上也是反应的图像边缘信息。图像边缘一般常用图像一阶导数和二阶导数来检测。

5.12.1 梯度算子

梯度算子对应于图像一阶导数。图像一阶导数计算一般是通过差分运算来近似的。VTK中可以使用vtkImageGradient计算图像梯度。注意图像梯度是一个向量，具有方向和大小。因此vtkImageGradient的计算结果是一个梯度场，也就是每个像素值都是一个梯度向量。显示梯度图像时需要计算每个像素点的梯度大小，即模值。下面代码演示了怎么计算图像梯度。

1: vtkSmartPointer<vtkJPEGReader>reader =

2: vtkSmartPointer<vtkJPEGReader>::New();

3: reader->SetFileName( "lena2.jpg" );

4: reader->Update();

6: vtkSmartPointer<vtkImageGradient> gradientFilter =

7: vtkSmartPointer<vtkImageGradient>::New();

8: gradientFilter->SetInputConnection(reader->GetOutputPort());

9: gradientFilter->SetDimensionality(2);

10:

11: vtkSmartPointer<vtkImageMagnitude> magnitudeFilter =

12: vtkSmartPointer<vtkImageMagnitude>::New();

13: magnitudeFilter->SetInputConnection(gradientFilter->GetOutputPort());

14: magnitudeFilter->Update();

15:

16: double range[2];

17: magnitudeFilter->GetOutput()->GetScalarRange(range);

18:

19: vtkSmartPointer<vtkImageShiftScale> ShiftScale =

20: vtkSmartPointer<vtkImageShiftScale>::New();

21: ShiftScale->SetOutputScalarTypeToUnsignedChar();

22: ShiftScale->SetScale( 255 / range[1] );

23: ShiftScale->SetInputConnection(magnitudeFilter->GetOutputPort());

24: ShiftScale->Update();

vtkImageGradient的使用比较简单，只需要设置输入图像即可。计算梯度时，采用的是中间差分法，即像素在每个方向的差分，都是利用的前后两个像素值之差。这样在图像在边界处的差分计算需要特殊处理。其内部定义了HandleBoundaries变量，通过函数SetHandleBoundaries()定赋值。当HandleBoundaries为真时算子会特殊处理计算边界像素的梯度；当为假时不计算边界像素的梯度值，因此输出图像大小要小于输入图像。另外函数SetDimensionality()用于设置要计算的图像维数，默认为二维，此时梯度向量也为二维。

前面也提到过，梯度是一个向量，不能直接显示。因此上面代码中定义了vtkImageMagnitude对象来计算梯度向量的2范数，即向量的模。利用vtkImageShiftScale将图像的数据范围调整到0-255然后显示。另外还可以通过vtkImageExtractComponents来提取每个方向的梯度分量进行显示。注意，彩色图像不能直接用来计算梯度，需要先转换为灰度图像。本例的执行结果如下图所示。