Zi 字媒體

opencv_ex17-圖像放大pyrUp、彩色轉灰階cvtColor、灰階圖像邊緣檢測Sobel(Scharr)、灰階像素點的值at(y, x)、灰階像素運算正規化saturate_cast、單純圖像相加add、圖像相加可定義權重addWeighted GITHUB:https://github.com/jash-git/CPP_opencv249_ex     void Scharr(InputArray src, OutputArray dst, int ddepth, int dx, int dy, double scale=1, double delta=0, int borderType=BORDER_DEFAULT)         或是Sobel(src, dst, ddepth, dx, dy, CV_SCHARR)，兩者效果相同。         src：輸入圖。         dst：輸出圖，和輸入圖有相同的尺寸和通道數。         ddepth：輸出圖的深度，使用方式和Sobel相同。         dx：x方向的微分階數。         dy：y方向的微分階數。         scale：縮放值         delta：偏移量。     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)         src：輸入圖。         dst：輸出圖，和輸入圖有相同的尺寸和通道數。         ddepth：輸出圖的深度，假設輸入圖為CV_8U, 支援CV_8U、CV_16S、CV_32F、CV_64F，假設輸入圖為 CV_16U, 支援CV_16U、CV_32F、CV_64F。         dx：x方向的微分階數。         dy：y方向的微分階數。         ksize：核心，必須為1、3、5或7。         scale：縮放值。         delta：偏移量。     計算輸入圖各像素，並將結果轉成8位元圖         void convertScaleAbs(InputArray src, OutputArray dst, double alpha=1, double beta=0)         src：輸入圖。         dst：輸出圖。         alpha：選擇性的乘法因子。         beta：選擇性的加法因子。         此函式主要進行3步驟；1.計算 2.取絕對值 3.轉成無正負號8位元圖     用saturate_cast將每次的計算結果限定在合理範圍，以本例來說就是從0到255，超過255會設定成255，小於0會設定成0。         OpenCV 限定合理範圍：template< … > _Tp saturate_cast(_Tp2 v)         v：輸入參數，會讓此值在合理範圍。         saturate_cast使用模板，所以呼叫時要指定像素深度。     OpenCV影像相加：void addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype=-1)         src1：輸入圖。         alpha：src1的權重。         src2：輸入圖，和src1的尺寸和通道數相同。         beta：src2的權重。         gamma：兩圖相加後再增加的值。         dst：輸出圖，輸出矩陣和輸入矩陣有相同的尺寸和通道數。         dtype：可有可無的輸出圖深度。     OpenCV影像相加：void add(InputArray src1, InputArray src2, OutputArray dst, InputArray mask=noArray(), int dtype=-1)         src1 ：輸入圖或強度值。         src2 ：輸入圖或強度值。         dst：輸出圖，輸出圖和輸入圖有相同的尺寸和通道數。         mask：可有可無的遮罩，8位元單通道圖，指定那些像素要計算。         dtype：可有可無的輸出圖深度。     心得:          01.雖然已經學會利用灰階圖像做Sobel要讓結果清晰可見的訣竅就是要用convertScaleAbs，但是如果實際應用應該還是要把圖轉成二值化資料會更少，也會比較好後續運算         02.Sobel(Scharr)目前測試只能用在灰階圖像，不能用在二值化圖像         03.所以OPENCV的邊緣檢測SOP: 灰階->濾波(高斯)->邊緣檢測->二值化 #include #include #include #include #include #include #include #if defined(WIN32) #define TIMEB _timeb #define ftime _ftime typedef __int64 TIME_T; #else #define TIMEB timeb typedef long long TIME_T; #endif using namespace cv; using namespace std; Mat src;//input image void Pause() { printf("Press Enter key to continue..."); fgetc(stdin); } int main() { Mat input,gray_src,dst; input = imread("Lena_original.jpg"); if (!input.data) { printf("could not load image...\n"); } else { //放大 pyrUp(input, src, Size(input.cols*2, input.rows*2)); GaussianBlur(src, dst, Size(3, 3), 0, 0);//高斯模糊GaussianBlur目的為了給圖像預處理時候減低噪聲(雜訊) cvtColor(dst, gray_src, CV_BGR2GRAY);//彩色轉灰階 imshow("Lena_gray", gray_src); Mat Scharr_x, Scharr_y; /* void Scharr(InputArray src, OutputArray dst, int ddepth, int dx, int dy, double scale=1, double delta=0, int borderType=BORDER_DEFAULT) 或是Sobel(src, dst, ddepth, dx, dy, CV_SCHARR)，兩者效果相同。 src：輸入圖。 dst：輸出圖，和輸入圖有相同的尺寸和通道數。 ddepth：輸出圖的深度，使用方式和Sobel相同。 dx：x方向的微分階數。 dy：y方向的微分階數。 scale：縮放值 delta：偏移量。 */ Scharr(gray_src, Scharr_x, CV_16S, 1, 0); Scharr(gray_src, Scharr_y, CV_16S, 0, 1); convertScaleAbs(Scharr_x, Scharr_x); convertScaleAbs(Scharr_y, Scharr_y); //--imshow("Scharr_x", Scharr_x); //--imshow("Scharr_y", Scharr_y); /* 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) src：輸入圖。 dst：輸出圖，和輸入圖有相同的尺寸和通道數。 ddepth：輸出圖的深度，假設輸入圖為CV_8U, 支援CV_8U、CV_16S、CV_32F、CV_64F，假設輸入圖為 CV_16U, 支援CV_16U、CV_32F、CV_64F。 dx：x方向的微分階數。 dy：y方向的微分階數。 ksize：核心，必須為1、3、5或7。 scale：縮放值。 delta：偏移量。 */ Mat Sobel_x, Sobel_y; Sobel(gray_src, Sobel_x, CV_16S, 1, 0, 3); Sobel(gray_src, Sobel_y, CV_16S, 0, 1, 3); /* 計算輸入圖各像素，並將結果轉成8位元圖 void convertScaleAbs(InputArray src, OutputArray dst, double alpha=1, double beta=0) src：輸入圖。 dst：輸出圖。 alpha：選擇性的乘法因子。 beta：選擇性的加法因子。 此函式主要進行3步驟；1.計算 2.取絕對值 3.轉成無正負號8位元圖 */ convertScaleAbs(Sobel_x, Sobel_x); convertScaleAbs(Sobel_y, Sobel_y); imshow("Sobel_x", Sobel_x); imshow("Sobel_y", Sobel_y); Mat Sobel_xy = Mat(Sobel_x.size(), Sobel_x.type()); int width = Sobel_x.cols; int height = Sobel_y.rows; for (int row = 0; row < height; row++) { for (int col = 0; col < width; col++) { int xg = Sobel_x.at(row, col); int yg = Sobel_y.at(row, col); int xy = xg + yg; /* 用saturate_cast將每次的計算結果限定在合理範圍，以本例來說就是從0到255，超過255會設定成255，小於0會設定成0。 OpenCV 限定合理範圍：template< … > _Tp saturate_cast(_Tp2 v) v：輸入參數，會讓此值在合理範圍。 saturate_cast使用模板，所以呼叫時要指定像素深度。 */ Sobel_xy.at(row, col) = saturate_cast(xy); } } imshow("Sobel_xy", Sobel_xy); Mat Sobel_x_y01 = Mat(Sobel_x.size(), Sobel_x.type()); /* OpenCV影像相加：void addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype=-1) src1：輸入圖。 alpha：src1的權重。 src2：輸入圖，和src1的尺寸和通道數相同。 beta：src2的權重。 gamma：兩圖相加後再增加的值。 dst：輸出圖，輸出矩陣和輸入矩陣有相同的尺寸和通道數。 dtype：可有可無的輸出圖深度。 */ addWeighted(Sobel_x, 0.5, Sobel_y, 0.5, 0, Sobel_x_y01);//Sobel_x*0.5+Sobel_y*0.5 imshow("Sobel_x+y01", Sobel_x_y01); Mat Sobel_x_y02 = Mat(Sobel_x.size(), Sobel_x.type());//Sobel_x+Sobel_y /* OpenCV影像相加：void add(InputArray src1, InputArray src2, OutputArray dst, InputArray mask=noArray(), int dtype=-1) src1 ：輸入圖或強度值。 src2 ：輸入圖或強度值。 dst：輸出圖，輸出圖和輸入圖有相同的尺寸和通道數。 mask：可有可無的遮罩，8位元單通道圖，指定那些像素要計算。 dtype：可有可無的輸出圖深度。 */ add(Sobel_x, Sobel_y, Sobel_x_y02); imshow("Sobel_x+y02", Sobel_x_y02); } waitKey(0); Pause(); return 0; }