首页 > 基于C++的图像散度计算

基于C++的图像散度计算

在x y的梯度上再求一次导数后相加便是散度。注意不要使用convertScaleAbs

int main(int argc, char*argv[])
{ cv::Mat IMG = cv::imread("./img.jpg", 1);cv::Mat k = getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3), cv::Point(-1, -1));cv::Mat graySrc, grad_x, grad_y;cv::Mat abs_grad_x, abs_grad_y;cv::cvtColor(IMG, graySrc, cv::COLOR_BGR2GRAY);//cv::GaussianBlur(graySrc, graySrc, cv::Size(3,3), 0, 0, 4);// 计算x方向的散度cv::Mat Sobel_x = (Mat_<char>(3, 3) << -1, 0, 1, -2, 0, 2, -1, 0, 1);filter2D(graySrc, grad_x, CV_64FC1, Sobel_x, cv::Point(-1, -1), 0, 0);filter2D(grad_x, grad_x, CV_64FC1, Sobel_x, cv::Point(-1, -1), 0, 0);
//	Sobel(grad_x, grad_x, CV_32FC1, 1, 0, 3, 1, 0, cv::BORDER_DEFAULT);//convertScaleAbs(grad_x, abs_grad_x);// 计算y方向的散度cv::Mat Sobel_y = (Mat_<char>(3, 3) << 1, 2, 1, 0, 0, 0, -1, -2, -1);filter2D(graySrc, grad_y, CV_64FC1, Sobel_y, cv::Point(-1, -1), 0, 0);filter2D(grad_y, grad_y, CV_64FC1, Sobel_y, cv::Point(-1, -1), 0, 0);
//	Sobel(grad_y, grad_y, CV_32FC1, 0, 1, 3, 1, 0, cv::BORDER_DEFAULT);//convertScaleAbs(grad_y, abs_grad_y);// 合并散度cv::Mat divImage;addWeighted(grad_x, 0.5, grad_y, 0.5, 0, divImage);//morphologyEx(divImage, divImage, cv::MORPH_OPEN, k);morphologyEx(divImage, divImage, cv::MORPH_CLOSE, k);cv::imwrite("dstGradientImage.jpg", divImage);}

更多相关：

  • OpenCV中检测ChArUco的角点（2）

    论文阅读模块将分享点云处理，SLAM，三维视觉，高精地图相关的文章。公众号致力于理解三维视觉领域相关内容的干货分享，欢迎各位加入我，我们一起每天一篇文章阅读，开启分享之旅,有兴趣的可联系微信[email protected]。opencv中ArUco模块实践（1）ArUco的生成与检测ArUco与AprilTag简介ChAruco...

  • 基于C++的骨架提取的鼻祖算法

    算法是基于A Fast Parallel Algorithm for Thinning Digital Patterns论文 https://blog.csdn.net/keneyr/article/details/88944563 简单的解释算法： https://blog.csdn.net/xukaiwen_2016...

  • 鱼眼图像的unwarping过程

    第一行是提取有效区域后的鱼眼图；第二行就是展开图（第二张和第四张根据需要裁剪了一部分） #include #include "opencv2/highgui/highgui.hpp" #include "opencv2/opencv.hpp" #include

  • 基于Sobel计算图像梯度图

    cv::Mat inputIMG = cv::imread("./input/src.jpg", 1);cv::Mat graySrc, grad_x, grad_y;cv::Mat abs_grad_x, abs_grad_y;cv::cvtColor(inputIMG, graySrc, cv::COLOR_BGR2GRAY);...

  • 根据相机外参实现单应矩阵计算的理论与实践

    论文阅读模块将分享点云处理，SLAM，三维视觉，高精地图相关的文章。公众号致力于理解三维视觉领域相关内容的干货分享，欢迎各位加入我，我们一起每天一篇文章阅读，开启分享之旅,有兴趣的可联系微信[email protected]。单应矩阵介绍单应性在计算机视觉领域是一个非常重要的概念，它在图像校正、图像拼接、俯视图生成，相机位姿估计、...

©2024 11GX.COM