当前位置: 首页 > news >正文

C++(OpenCV)实现MATLAB的edge(I, “sobel“)边缘检测

文章目录

      • 方案分析
      • 具体代码实现
      • 关键步骤说明
      • 注意事项

为了实现类似于MATLAB的edge(I, "sobel")函数的C++代码,我们需要复现其完整的边缘检测流程,包括梯度计算、非极大值抑制和阈值处理。以下是具体的方案及代码实现:

方案分析

  1. 图像预处理:将图像转为灰度图并进行高斯模糊以降低噪声。
  2. 梯度计算:使用Sobel算子计算水平和垂直方向的梯度。
  3. 梯度幅值与方向:计算梯度幅值并确定每个像素的梯度方向。
  4. 非极大值抑制:细化边缘,仅保留梯度方向上的局部最大值。
  5. 自动阈值处理:根据梯度幅值的统计特性自动选择阈值,生成二值边缘图像。

具体代码实现

#include <opencv2/opencv.hpp>
#include <cmath>using namespace cv;Mat sobelEdgeDetection(const Mat& input) {// 转换为灰度图Mat gray;if (input.channels() == 3)cvtColor(input, gray, COLOR_BGR2GRAY);elsegray = input.clone();// 高斯模糊降噪Mat blurred;GaussianBlur(gray, blurred, Size(3, 3), 0);// 计算Sobel梯度Mat dx, dy;Sobel(blurred, dx, CV_32F, 1, 0, 3); // 水平方向Sobel(blurred, dy, CV_32F, 0, 1, 3); // 垂直方向// 计算梯度幅值和角度(度数表示)Mat magnitude, angle;cartToPolar(dx, dy, magnitude, angle, true);// 非极大值抑制Mat nms = Mat::zeros(magnitude.size(), CV_32F);for (int i = 1; i < magnitude.rows - 1; ++i) {for (int j = 1; j < magnitude.cols - 1; ++j) {float curr = magnitude.at<float>(i, j);float dir = fmod(angle.at<float>(i, j) + 180, 180); // 转换为0~180度// 确定离散方向int sector;if ((dir < 22.5) || (dir >= 157.5))sector = 0; // 水平else if (dir >= 22.5 && dir < 67.5)sector = 1; // 45度else if (dir >= 67.5 && dir < 112.5)sector = 2; // 垂直elsesector = 3; // 135度// 比较相邻像素float a, b;switch (sector) {case 0:a = magnitude.at<float>(i, j + 1);b = magnitude.at<float>(i, j - 1);break;case 1:a = magnitude.at<float>(i - 1, j + 1);b = magnitude.at<float>(i + 1, j - 1);break;case 2:a = magnitude.at<float>(i + 1, j);b = magnitude.at<float>(i - 1, j);break;default: // 135度a = magnitude.at<float>(i - 1, j - 1);b = magnitude.at<float>(i + 1, j + 1);break;}if (curr >= a && curr >= b)nms.at<float>(i, j) = curr;}}// 自动计算阈值(取最大值的25%)double maxVal;minMaxLoc(nms, nullptr, &maxVal);double threshold = 0.25 * maxVal;// 应用阈值并转换为二值图像Mat edges;threshold(nms, edges, threshold, 255, THRESH_BINARY);edges.convertTo(edges, CV_8U);return edges;
}int main() {Mat img = imread("input.jpg");if (img.empty()) {std::cerr << "Error: Could not load image." << std::endl;return -1;}Mat edges = sobelEdgeDetection(img);imshow("Sobel Edges", edges);waitKey(0);return 0;
}

关键步骤说明

  1. 高斯模糊:使用3x3高斯核减少噪声影响。
  2. Sobel梯度计算:分别计算水平和垂直方向的梯度,数据类型为CV_32F以保留符号。
  3. 梯度幅值与方向:通过cartToPolar计算幅值(强度)和方向(角度)。
  4. 非极大值抑制:将梯度方向离散化为四个主方向,仅保留梯度方向上幅值最大的像素,细化边缘。
  5. 自动阈值处理:取非极大值抑制后幅值的最大值的25%作为阈值,生成二值边缘图像。

注意事项

  • 参数调整:高斯核大小、阈值比例等参数可根据实际图像调整。
  • 性能优化:处理大图像时,可考虑并行化或优化循环结构。
  • 结果对比:建议与MATLAB结果对比,调整参数以达到最佳匹配。

此代码实现了类似MATLAB的Sobel边缘检测流程,结合非极大值抑制和自动阈值处理,能够有效提取图像边缘。

相关文章:

  • Sentinel源码—4.FlowSlot实现流控的原理一
  • Redis面试——日志
  • Gitignore详解:版本控制中的文件忽略机制
  • 没有输出任何信息就直接退出的问题排查
  • 关于华为昇腾平台利用conda创建环境失败的解决方法分享
  • STM32N6 平台如何使用 MCO2 输出 Clock
  • 安科瑞能源管理系统如何解决工业园区能源管理难,运维成本高的问题?
  • 关于STM32G030和G070未初始化看门狗,程序里面喂狗会导致擦除Flash失败或进入‘HardFault_Handler’
  • 【通过Zadig给鼠标适配器安装驱动后,鼠标动不了,无法恢复的解决办法】
  • GCoNet+:更强大的团队协作 Co-Salient 目标检测器 2023 GCoNet+(翻译)
  • 【KWDB 创作者计划】_深度学习篇---松科AI加速棒
  • php 中使用MQTT
  • 小白从0学习网站搭建的关键事项和避坑指南
  • YYF桌面tv版固件包获取渠道-官方桌面免费下载安装攻略
  • 从 Ext 到 F2FS,Linux 文件系统与存储技术全面解析
  • 新生宿舍管理系统
  • 大模型在急性单纯性阑尾炎预测及治疗方案制定中的应用研究
  • 【系统搭建】DPDK关键概念与l2fwd源码解析
  • 迭代器模式(Iterator Pattern)
  • oracle查询当前用户所有字段和表
  • 四川省外卖骑手接单将不再强制要求上传健康证
  • 北师大发布《短视频家长指南》,回应短视频时代家庭教育挑战
  • 顶刊论文现“飙脏话辱骂第二作者”,期刊回应:正积极调查
  • 人民日报任平:从“地瓜经济”理论到民营经济促进法,读懂中国经济的成长壮大之道
  • 新冠阳性率升高,专家:新冠变异株致病力没太多变化
  • 巴基斯坦外长访华是否与印巴局势有关?外交部:此访体现巴方高度重视中巴关系