图像梯度的目的：
获取图像上沿着某一方向或多个方向上，像素值的突变图像。
即：
对满足之间相互独立的函数，
求
，
1、预备知识
1.1、常见的梯度计算算子
1.2、梯度计算方法
L2法：
L1法：
1.3如何获取梯度图像
分别使用x、y方向的算子来获取Gx，Gy，然后选用梯度计算方法来获取对应像素点的梯度值。
2、代码示例
2.1robot算子
-
void self_conv(Mat& image)
-
{
-
//robot 梯度计算
-
Mat robot_x = (
Mat_<
int>(
2,
2) <<
1,
0,
0,
-1);
//自定义Mat核
-
Mat robot_y = (
Mat_<
int>(
2,
2) <<
0,
1,
-1,
0);
-
Mat grad_x,grad_y;
-
filter2D(image, grad_x, CV_32F, robot_x,
Point(
-1,
-1),
0, BORDER_DEFAULT);
-
filter2D(image, grad_y, CV_32F, robot_y,
Point(
-1,
-1),
0, BORDER_DEFAULT);
-
convertScaleAbs(grad_x, grad_x);
//该API将图像格式转为CV_8U格式，并将所有像素值置为正。
-
convertScaleAbs(grad_y, grad_y);
-
Mat result;
-
add(grad_x, grad_y, result);
-
namedWindow(
"robot img", WINDOW_FREERATIO);
-
imshow(
"robot img", result);
-
}
2.2sobel算子
注：也可仿照robot算子示例输入3×3的卷积核，并赋予对应的sobel值进行梯度图像获取 。
opencvAPI调用示例：
-
void self_conv(Mat& image)
-
{
-
-
Mat grad_x,grad_y;
-
Sobel(image, grad_x, CV_32F,
1,
0);
-
Sobel(image, grad_y, CV_32F,
0,
1);
-
convertScaleAbs(grad_x, grad_x);
//该API将图像格式转为CV_8U格式，并将所有像素值置为正。
-
convertScaleAbs(grad_y, grad_y);
-
Mat result2;
-
//add(grad_x, grad_y, result2);
-
addWeighted(grad_x,
0.5, grad_y,
0.5,
0, result2);
-
namedWindow(
"sobel img", WINDOW_FREERATIO);
-
imshow(
"sobel img", result2);
-
}
2.3Scharr算子
-
void self_conv(Mat& image)
-
{
-
-
Mat grad_x,grad_y;
-
Scharr(image, grad_x, CV_32F,
1,
0);
-
Scharr(image, grad_y, CV_32F,
0,
1);
-
convertScaleAbs(grad_x, grad_x);
//该API将图像格式转为CV_8U格式，并将所有像素值置为正。
-
convertScaleAbs(grad_y, grad_y);
-
Mat result3;
-
//add(grad_x, grad_y, result2);
-
addWeighted(grad_x,
0.5, grad_y,
0.5,
0, result3);
-
namedWindow(
"Scharr img", WINDOW_FREERATIO);
-
imshow(
"Scharr img", result3);
-
}
结果：
3、拉普拉斯算子进行边缘获取、锐化
即二阶导数的图像应用。
3.1、拉普拉斯算子与锐化算子
拉普拉斯算子：
分别为： 四邻域算子、八邻域算子、变种算子。
拉普拉斯算子缺点：当图像细节较多时，难以去除这些细节的影响，需要与图像阈值化进行搭配使用。
锐化算子：原图加上拉普拉斯算子的结果，本质为图像增强。
3.2、代码示例
拉普拉斯：
-
void Laplacian_demo(Mat& image)
-
{
-
Mat dst;
-
Laplacian(image, dst,
-1,
3,
1.0,
0, BORDER_DEFAULT);
-
namedWindow(
"Laplacian", WINDOW_FREERATIO);
-
imshow(
"Laplacian", dst);
-
}
锐化：
由于没有现有的API，下列代码由filter2D加上自定义Mat方法实现。
-
void QuickDemo::image_descent(Mat& image)
-
{
-
//定义锐化算子
-
Mat sharp = (
Mat_<
int>(
3,
3) <<
0,
-1,
0,
-
-1,
5,
-1,
-
0,
-1,
0);
-
Mat result;
-
filter2D(image, result,
-1, sharp,
Point(
-1,
-1),
0, BORDER_DEFAULT);
-
convertScaleAbs(result, result);
-
namedWindow(
"sharp img", WINDOW_FREERATIO);
-
imshow(
"sharp img", result);
-
}
4、USM(unsharp mask)锐化
权重化减法锐化公式：
sharp_img = α×blur - β×laplacian
优点：忽视细小细节着重对有用部分边缘进行锐化。
-
void usm_sharp(Mat& image)
-
{
-
Mat blur_img, lap_img;
-
GaussianBlur(image, blur_img,
Size(
3,
3),
0,
0, BORDER_DEFAULT);
-
Laplacian(image, lap_img,
-1,
1,
1.0,
0, BORDER_DEFAULT);
-
Mat usm_img;
-
addWeighted(blur_img,
1, lap_img,
-0.7,
0, usm_img,
-1);
-
namedWindow(
"usm_sharp img", WINDOW_FREERATIO);
-
imshow(
"usm_sharp img", usm_img);
-
-
}
转载：https://blog.csdn.net/lucust/article/details/128114843
查看评论