如果我使用 scipy.ndimage.filters.convole
在 Python 中将 Sobel 过滤器应用于图像我得到了有意义的结果,例如,对于这个简单的输入图像 img
0 255 0
0 255 0
0 255 0
卷积
dimage.filters.convolve(img, Kx)
与 Kx
-1 0 1
-2 0 2
-1 0 1
返回 x 方向上有意义的梯度:
-1020 0 1020
-1020 0 1020
-1020 0 1020
不过,我不知道如何在 C++ 中使用 openCV2 获得等效结果。当我定义输入图像时
int image_data[9] = {0, 255, 0, 0, 255, 0, 0, 255, 0};
cv::Mat image = cv::Mat(3, 3, CV_32F, image_data);
并应用内核
cv::Mat gradientx;
double sobelx_data[9] = {-1, 0, 1, -2, 0, 2, -1, 0, 1};
cv::Mat sobelx = cv::Mat(3, 3, CV_32F, sobelx_data);
cv::filter2D(image, gradientx, -1, sobelx);
我得到以下结果
for(int row=0; row<gradientx.rows; row++) {
for(int col=0; col<gradientx.cols; col++) {
std::cout << gradientx.at<int>(row,col) << std::endl;
}
}
它返回下面的图片
478 -2147482660 478
478 -2147482660 478
478 -2147482660 478
好像是溢出的问题,不知道是什么原因。试图从 gradientx.at<double>(row,col)
获取值产生
-1.68911e-311 8.10602e-312 8.11663e-312
-1.68911e-311 8.10602e-312 8.11663e-312
-1.68911e-311 2.122e-314 8.54412e-72
谁能告诉我这是为什么?不是 filter2D
应该对图像进行二维卷积,为什么在使用 <double>
寻址输出像素时会得到奇怪的值? ?谢谢。
最佳答案
好的,这是您的代码,其中的类型已更正(我还向 filter2D
添加了更多参数):
float image_data[9] = {0, 255, 0, 0, 255, 0, 0, 255, 0};
cv::Mat image = cv::Mat(3, 3, CV_32F, image_data);
std::cout << "image = " << std::endl << image << std::endl;
cv::Mat gradientx;
float sobelx_data[9] = {-1, 0, 1, -2, 0, 2, -1, 0, 1};
cv::Mat sobelx = cv::Mat(3, 3, CV_32F, sobelx_data);
std::cout << "sobelx = " << std::endl << sobelx << std::endl;
cv::filter2D(image, gradientx, -1, sobelx, cv::Point(-1, -1), 0,
cv::BORDER_DEFAULT);
std::cout << "gradientx = " << std::endl << gradientx << std::endl;
结果是:
image =
[0, 255, 0;
0, 255, 0;
0, 255, 0]
sobelx =
[-1, 0, 1;
-2, 0, 2;
-1, 0, 1]
gradientx =
[0, 0, 0;
0, 0, 0;
0, 0, 0]
如果您查看 filtering 上文档页面的顶部,您将看到 OpenCV 使用的所有边框类型。默认情况下,filter2D
使用 BORDER_REFLECT_101
。这可能不是我们想要的,所以让我们将其更改为 BORDER_REPLICATE
。
cv::filter2D(image, gradientx, -1, sobelx, cv::Point(-1, -1), 0,
cv::BORDER_REPLICATE);
结果:
image =
[0, 255, 0;
0, 255, 0;
0, 255, 0]
sobelx =
[-1, 0, 1;
-2, 0, 2;
-1, 0, 1]
gradientx =
[1020, 0, -1020;
1020, 0, -1020;
1020, 0, -1020]
这样更好,但是值被翻转了。如果您查看 filter2D
的功能说明底部你会看到它实际上计算的是互相关而不是卷积。所以我们需要翻转内核才能得到正确的结果。
cv::Mat sobelxflip;
cv::flip(sobelx, sobelxflip, -1);
cv::filter2D(image, gradientx, -1, sobelxflip, cv::Point(-1, -1), 0,
cv::BORDER_REPLICATE);
std::cout << "gradientx = " << std::endl << gradientx << std::endl;
结果:
gradientx =
[-1020, 0, 1020;
-1020, 0, 1020;
-1020, 0, 1020]
关于c++ - 在 C++ 中使用 OpenCV 应用内核,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37528356/