OPENCV用户手册之图像处理部分(之一)：梯度、边缘角点.docVIP

OPENCV用户手册之图像处理部分（之一）：梯度、边缘与角点（中文翻译） 下面是OPENCV用户手册之图像处理部分：梯度、边缘与角点（中文翻译），有错误欢迎指正，原文在： /incoming/sourcecode/opencv/chinese_docs/ref/opencvref_cv.htm 注意:本章描述图像处理和分析的一些函数。大多数函数是针对二维数组的。所以我们用数组来描述“图像”，而图像不必是 IplImage，还可以是 CvMats 或 CvMatND。 梯度、边缘和角点 翻译：HUNNISH, 阿须数码 Sobel Sobel 算子计算一阶、二阶、三阶或混合图像差分 void cvSobel( const CvArr* src, CvArr* dst, int xorder, int yorder, int aperture_size=3 ); src 输入图像. dst 输出图像. xorder x? 方向上的差分阶数 yorder y? 方向上的差分阶数 aperture_size 扩展 Sobel 核的大小，必须是 1, 3, 5 或 7。 除了尺寸为 1， 其它情况下， aperture_size ×aperture_size 可分离内核将用来计算差分。对 aperture_size=1的情况， 使用 3x1 或 1x3 内核 （不进行高斯平滑操作）。有一个特殊变量? CV_SCHARR (=-1)，对应 3x3 Scharr 滤波器，可以给出比 3x3 Sobel 滤波更精确的结果。Scharr 滤波器系数是： | -3 0 3| |-10 0 10| | -3 0 3| 对 x-方向 以及转置矩阵对 y-方向。 函数 cvSobel 通过对图像用相应的内核进行卷积操作来计算图像差分： dst(x,y) = dxorder+yodersrc/dxxorder?dyyorder |(x,y) Sobel 算子结合 Gaussian 平滑和微分，以提高计算结果对噪声的抵抗能力。通常情况，函数调用采用如下参数 (xorder=1, yorder=0, aperture_size=3) 或 (xorder=0, yorder=1, aperture_size=3) 来计算一阶 x- 或 y- 方向的图像差分。第一种情况对应： |-1 0 1| |-2 0 2| |-1 0 1| 核。第二种对应 |-1 -2 -1| | 0 0 0| | 1 2 1| or | 1 2 1| | 0 0 0| |-1 -2 -1| 核，它依赖于图像原点的定义 (origin 来自 IplImage 结构的定义)。不进行图像尺度变换。所以输出图像通常比输入图像大。为防止溢出，当输入图像是 8 位的，要求输出图像是 16 位的。产生的图像可以用函数 cvConvertScale 或 cvConvertScaleAbs 转换为 8 位的。除了 8-比特 图像，函数也接受 32-位 浮点数图像。所有输入和输出图像都必须是单通道，且图像大小或ROI尺寸一致。 Laplace Laplacian? void cvLaplace( const CvArr* src, CvArr* dst, int aperture_size=3 ); src 输入图像. dst 输出图像. aperture_size 核大小 (与 cvSobel 中定义一样). 函数 cvLaplace 计算输入图像的 Laplacian，方法是对用 sobel 算子计算的二阶 x- 和 y- 差分求和: dst(x,y) = d2src/dx2 + d2src/dy2 对 aperture_size=1 则给出最快计算结果，相当于对图像采用如下内核做卷积： |0 1 0| |1 -4 1| |0 1 0| 类似于 cvSobel 函数，也不作图像的尺度变换，而且支持输入、输出图像类型一致。 Canny Canny 算法做边缘检测 void cvCanny( const CvArr* image, CvArr* edges, double threshold1, double threshold2, int aperture_size=3 ); image 输入图像. edges 输出的边缘图像 threshold1 第一个阈值 threshold2 第二个阈值 aperture_size Sobel 算子内核大小 (见 cvSobel). 函数 cvCanny 采用 CANNY 算法发现输入图像的边缘