OpenCV图像滤波(7)cv::getDerivKernels() 函数的使用

jndingxin2024-08-08 19:35

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

函数返回用于计算空间图像导数的滤波系数。

该函数计算并返回用于空间图像导数的滤波系数。当 ksize=FILTER_SCHARR 时，生成 Scharr 3x3 核（参见 Scharr）。否则，生成 Sobel 核（参见 Sobel）。这些滤波器通常传递给 sepFilter2D 或其他函数。

这些系数可以用于计算图像的梯度，这对于边缘检测和其他基于梯度的图像处理任务非常重要。

函数原型

cpp 复制代码

void cv::getDerivKernels	
(
	OutputArray 	kx,
	OutputArray 	ky,
	int 	dx,
	int 	dy,
	int 	ksize,
	bool 	normalize = false,
	int 	ktype = CV_32F 
)

参数

参数kx 输出矩阵，包含行滤波系数。其类型为 ktype。
参数ky 输出矩阵，包含列滤波系数。其类型为 ktype。
参数dx 关于 x 的导数阶数。
参数dy 关于 y 的导数阶数。
参数ksize 孔径大小。它可以是 FILTER_SCHARR、1、3、5 或 7
参数normalize 标志，指示是否归一化（缩放）滤波系数。理论上，系数应该具有分母 =2 * ksize^2 - dx - dy - 2。如果你打算过滤浮点图像，你可能会使用归一化的内核。但是，如果你计算 8 位图像的导数，将结果存储在 16 位图像中，并希望保留所有的小数位，你可能想要设置 normalize=false。
参数ktype 这是指滤波系数的数据类型。它可以是 CV_32F（32 位浮点数）或 CV_64F（64 位浮点数）。

示例代码

cpp 复制代码

#include <iostream>
#include <opencv2/opencv.hpp>

int main( int argc, char** argv )
{
    // 读取图像
    cv::Mat src = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/erik.jpg", cv::IMREAD_GRAYSCALE );

    if ( src.empty() )
    {
        std::cout << "Error: Image cannot be loaded!" << std::endl;
        return -1;
    }
    cv::Size sz2Sh( 400, 600 );

    cv::resize( src, src, sz2Sh, 0, 0, cv::INTER_LINEAR_EXACT );

    imshow( "原图", src );

    cv::Mat dst;

    cv::Mat kx, ky;
    cv::getDerivKernels( kx, ky, 1, 0, 3, false );
    cv::sepFilter2D( src, dst, src.depth(), kx, ky );
    imshow( "sepFilter2D", dst );

    cv::waitKey( 0 );
    return 0;
}

运行结果

参数是cv::getDerivKernels( kx, ky, 1, 0, 3, false )时：

参数是cv::getDerivKernels( kx, ky, 1, 0, 5, false )时：