【OpenCV】边缘检测:Sobel、拉普拉斯算子.docVIP

【OpenCV】边缘检测:Sobel、拉普拉斯算子.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
【OpenCV】边缘检测:Sobel、拉普拉斯算子 转自:/xiaowei_cqu/article/details/7829481 边缘 边缘(edge)是指图像局部强度变化最显著的部分。主要存在于目标与目标、目标与背景、区域与区域(包括不同色彩)之间,是图像分割、纹理特征和形状特征等图像分析的重要基础。 图像强度的显著变化可分为: 阶跃变化函数,即图像强度在不连续处的两边的像素灰度值有着显著的差异; 线条(屋顶)变化函数,即图像强度突然从一个值变化到另一个值,保持一较小行程后又回到原来的值。 图像的边缘有方向和幅度两个属性,沿边缘方向像素变化平缓,垂直于边缘方向像素变化剧烈.边缘上的这种变化可以用微分算子检测出来,通常用一阶或二阶导数来检测边缘。 (a)(b)分别是阶跃函数和屋顶函数的二维图像;(c)(d)是阶跃和屋顶函数的函数图象;(e)(f)对应一阶倒数;(g)(h)是二阶倒数。 ? 一阶导数法:梯度算子 对于左图,左侧的边是正的(由暗到亮),右侧的边是负的(由亮到暗)。对于右图,结论相反。常数部分为零。用来检测边是否存在。 梯度算子 Gradient operators 函数f(x,y)在(x,y)处的梯度为一个向量: 计算这个向量的大小为: 近似为: 梯度的方向角为: ? Sobel算子 sobel算子的表示: ? 梯度幅值: 用卷积模板来实现: 【相关代码】 接口 [cpp] view plaincopyprint? CV_EXPORTS_W?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?);?? CV_EXPORTS_W 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 ); 使用 [cpp] view plaincopyprint? ///////////////////////////?Sobe?l//////////////////////////////////// ?? ///?Generate?grad_x?and?grad_y ?? Mat?grad_x,?grad_y;?? Mat?abs_grad_x,?abs_grad_y;?? ///?Gradient?X ?? //Scharr(?src_gray,?grad_x,?ddepth,?1,?0,?scale,?delta,?BORDER_DEFAULT?); ?? //Calculates?the?first,?second,?third,?or?mixed?image?derivatives?using?an?extended?Sobel?operator. ?? Sobel(?src_gray,?grad_x,?ddepth,?1,?0,?3,?scale,?delta,?BORDER_DEFAULT?);????? convertScaleAbs(?grad_x,?abs_grad_x?);?? ///?Gradient?Y?? ?? //Scharr(?src_gray,?grad_y,?ddepth,?0,?1,?scale,?delta,?BORDER_DEFAULT?); ?? Sobel(?src_gray,?grad_y,?ddepth,?0,?1,?3,?scale,?delta,?BORDER_DEFAULT?);????? convertScaleAbs(?grad_y,?abs_grad_y?);?? ///?Total?Gradient?(approximate) ?? addWeighted(?abs_grad_x,?0.5,?abs_grad_y,?0.5,?0,?grad?);?? /////////////////////////// Sobe l//////////

文档评论(0)

taotao0c + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档