OpenCV——Sobel和拉普拉斯变换
Sobel变换和拉普拉斯变换都是高通滤波器。
什么是高通滤波器呢?就是保留图像的高频分量(变化剧烈的部分),抑制图像的低频分量(变化缓慢的部分)。而图像变化剧烈的部分,往往反应的就是图像的边沿信息了。
1. Sobel算子(主要用于边缘检测)
//Sobel变化实例 Mat sobelX; Sobel(image,sobelX,CV_8U,1,0,3,0.4,128); imshow("X方向Sobel结果",sobelX); Mat sobelY; Sobel(image,sobelY,CV_8U,0,1,3,0.4,128); imshow("Y方向Sobel结果",sobelY);
//函数说明void Sobel(InputArray src, OutputArray dst, int ddepth, int xorder, int yorder, int ksize=3, double scale=1, double delta=0, int borderType=BORDER_DEFAULT )
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)。这里有一个特殊变量 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。对 x-方向 或矩阵转置后对 y-方向。 */
2.Laplacian变换
Laplacian变换功能1:用来检测物体的边缘信息
具体说明:
在图像平坦(灰度值无变换的区域),拉普拉斯滤波后的图像在该区域的强度值为0.在图像灰度值剧烈变换的区域(边缘),拉普拉斯滤波后的图像的强度值(绝对值)相对较大。
物体边缘一般在强度值的零交点(注意:并不是在强度值为0的点,而是在强度值从正变换到负,或从负变换到正的过程中,隐含存在的为0的亚像素级的点)。
Laplacian变换功能2:可用于图像增强(原图像减去拉普拉斯变换的图像)
原理大体为:
图像相对平坦的区域拉普拉斯变换后的值约等于0。像素(原)-0=像素(原),即该区域图像几乎没有变化。
在图像中强度值变换剧烈的地方,通常是物体的边缘处,拉普拉斯变换后的该区域的强度值(绝对值)较大。那么 像素(原)-像素(变换后),肯定会发生变化。例如:150(原)-50(变换后的 )=100,该点处的像素变黑。
函数:
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变换,方法是先用 sobel 算子计算二阶 x- 和 y- 差分,再求和:
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:
类似于 cvSobel 函数,该函数也不作图像的尺度变换,所支持的输入、输出图像类型的组合和cvSobel一致。
转载于:https://www.cnblogs.com/farewell-farewell/p/6003939.html
OpenCV——Sobel和拉普拉斯变换相关推荐
- opencv+Recorder︱OpenCV 中的 Canny 边界检测+轮廓、拉普拉斯变换
本文来自于段力辉 译<OpenCV-Python 中文教程> 边缘检测是图像处理和计算机视觉中的基本问题,通过标识数字图像中亮度变化明显的点,来捕捉图像属性中的显著变化,包括深度上的不连续 ...
- OpenCV Laplacian 拉普拉斯变换
::返回OpenCV算子速查表 OpenCV Laplacian 拉普拉斯变换 1. 函数 2. 例程 原图 Sobel和Scharr的处理结果 Laplacian 1. 函数 OpenCV官方文档链 ...
- python 图像的拉普拉斯变换中的数值问题_数字图像处理(第十章)
点.线.边缘检测 背景知识.书中主要介绍了图像的一阶导数与二阶导数,这个之前的文章中有过介绍这里在复习一遍.对于函数 ,对于点 在x方向的一阶偏导为: ,二阶偏导为: 之后书中总结了一阶导与二阶导对于 ...
- 卷积、傅立叶变换、拉普拉斯变换、Z变换
2018-10-27 准备计控期中考试,看课件过程中又出现z变换,然后又搜出一堆博客,陷入不懂的循环. 不过,对卷积和傅里叶变换知道了一点,比之前清晰了一些. [转]卷积及拉普拉斯变换的通俗解释 图像 ...
- 傅里叶变换拉普拉斯变换的物理解释及区别
傅里叶变换在物理学.数论.组合数学.信号处理.概率论.统计学.密码学.声学.光学.海洋学.结构动力学等领域都有着广泛的应用(例如在信号处理中,傅里叶变换的典型用途是将信号分解成幅值分量和频率分量). ...
- 通俗介绍拉普拉斯变换,傅里叶变换和z变换
原文:https://zhidao.baidu.com/question/2140860086243217068.html 早期的数学以微积分为主.微分方程的计算过程通常都是非常复杂的.有时很难求解. ...
- 第十九讲 拉普拉斯变换引入
一,从傅里叶变换到拉普拉斯变换: 傅里叶变换: 拉普拉斯变换:,其中为衰减因子, 为什么要在傅里叶变换中乘上衰减因子? 因为当非周期函数随时间单调递增或单调递减,趋于无穷大(直男)时,无法使用傅里叶变 ...
- MIT_18.03_微分方程_Laplace_Transform_拉普拉斯变换_Notes
Laplace Transform 引 对于幂级数 power series ∑0∞anxn=A(x)\sum_{0}^{\infty}{a_{n}x^n} = A(x) 0∑∞anxn=A(x) ...
- 【数理知识】《积分变换与场论》王振老师-第2章-拉普拉斯变换
第1章 回到目录 第3章 第2章-拉普拉斯变换 2.1 拉普拉斯变换概念与存在定理 2.2 拉普拉斯变换的性质 2.3 拉普拉斯卷积 2.4 拉普拉斯逆变换 2.5 拉普拉斯变换的应用 2.1 拉普拉 ...
- 深入探讨傅立叶变换、拉普拉斯变换、Z变换的联系与应用
1.前言 一个信号,通常用一个时间的函数来表示,这样简单直观,因为它的函数图像可以看做信号的波形,比如声波和水波等等.很多时候,对信号的处理是很特殊的,比如说线性电路会将输入的正弦信号处理后,输出仍然 ...
最新文章
- javascript之原型
- jenkins gitlab php,jenkins(8): 实战jenkins+gitlab持续集成发布php项目(代码不需要编译)...
- 语言代码编程大赛简讯_精品干货:C语言的高效编程与代码优化
- c语言不通类型指针转换,C语言之强制类型转换与指针--#define DIR *((volatile unsigned int *) 0x0022)...
- 一文搞懂HMM(隐马尔可夫模型)-Viterbi algorithm
- android onclick方法吗,Android中button的onClick事件几种方法
- javascript从url中获取请求参数
- win7移动设备管理器_win7系统usb设备识别不了的解决方案
- [译文]Domain Driven Design Reference(六)—— 提炼战略设计
- 计算机硬件广告语,硬件防毒广告宣传语
- IDEA 社区版 常用插件列表
- mysql删除密码代码_mysql 用户新建、受权、删除。密码修改
- c语言打鱼晒网问题报告书,C语言渔夫打鱼晒网问题.docx
- 互联网时代如何做好网络营销
- NO.74——《人工智能·一种现代方法》通过搜索进行问题求解 学习笔记
- java多线程访问beans对象_springboot在多线程中注入对象
- 单模SIW的设计步骤
- 生活随记 - 关于一万六/月的房子出租
- 用Excel制作一个漂亮的分类散点图
- 电脑桌面上的文件不见了怎么恢复
热门文章
- 3.1. 一元、多元逻辑回归、tensorflow2实现——python实战
- 【杂谈】我学习这么好,为什么找不到工作?
- 经典:一文详解socket
- 怎样调整input框背景颜色_还在用百度搜索PPT背景图?7个高大上的图片网站,个个都是高清免费无版权!...
- Linux配置Anaconda3环境变量的问题
- ubuntu 18.04忘记登录密码的破解方法
- Android——控件显示和隐藏
- Android MediaPlayer 属性
- P1541 乌龟棋 线性dp
- 【转】mysql触发器的实战(触发器执行失败,sql会回滚吗)