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

  • 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:

相关推荐
字节数据平台6 小时前
一客一策:Data Agent 如何重构大模型时代的智能营销
大数据·人工智能·重构
机器之心7 小时前
字节Seedream 4.0将全量开放!抢先评测来了,我们摸索出AI生图一大波「邪修」玩法
人工智能·openai
空白到白7 小时前
机器学习-集成学习
人工智能·机器学习·集成学习
水凌风里7 小时前
4.4 机器学习 - 集成学习
人工智能·机器学习·集成学习
雲_kumo7 小时前
集成学习:从理论到实践的全面解析
人工智能·机器学习·集成学习
用户5191495848457 小时前
30条顶级APT与蓝队攻防单行命令:网络战场终极对决
人工智能·aigc
双向337 小时前
AI 辅助文档生成:从接口注释到自动化 API 文档上线
人工智能
CoovallyAIHub7 小时前
SBP-YOLO:面向嵌入式悬架的轻量实时模型,实现减速带与坑洼高精度检测
深度学习·算法·计算机视觉
算法打盹中7 小时前
基于树莓派与Jetson Nano集群的实验边缘设备上视觉语言模型(VLMs)的性能评估与实践探索
人工智能·计算机视觉·语言模型·自然语言处理·树莓派·多模态·jetson nano