曲率卷积核提取图像曲率

阅读原文时间：2021年04月21日阅读：1

曲率卷积核提取图像曲率

author@jason
http://blog.csdn.net/lql0716

1 曲率卷积核

该卷积核为3*3的窗口，该窗口参看：https://zhuanlan.zhihu.com/p/23132541

-1/16

5/16

-1/16

5/16

-1

5/16

-1/16

5/16

-1/16

利用该方法提取图像的曲率，可以和Sobel算子、Canny算法做对比，针对不同的需求，采用不同的算法。

2 曲率卷积提取曲率代码

2.1 C++代码

2.1.1 函数void convolution(cv::Mat img, cv::Mat& dst)

opencv2.4.13

计算步骤：

开运算（先腐蚀后膨胀）

闭运算（先膨胀后腐蚀）

曲率卷积

注：先开后闭，可以使得图像的轮廓更加清晰

void convolution(cv::Mat img, cv::Mat& dst)
{
cv::Mat img_2, gray_1, gray_2, out, out2, out3, out4; //定义图像

cv::Mat element = getStructuringElement(cv::MORPH_RECT, cv::Size(3,3));  ///腐蚀膨胀操作的卷积核
//开运算，先腐蚀后膨胀
erode(img, out, element);  //腐蚀操作
dilate(out, out2, element);  //膨胀操作
//闭运算，先膨胀后腐蚀
dilate(out2, out3, element);  //膨胀操作
erode(out3, out4, element);  //腐蚀操作

if((int)out4.channels() != 1){
    cv::copyMakeBorder(out4, img_2, 1, 1, 1, 1, cv::BORDER_DEFAULT, cv::Scalar(0,0,0));  //扩展图像边缘的函数（输入图像，输出图像，上，下，左，右，0，颜色），上下左右为扩展像素数
    cout<<img_2.size() <<endl;
    cv::cvtColor(out4, gray_1, cv::COLOR_BGR2GRAY);  //转换为灰度图
    cv::cvtColor(img_2, gray_2, cv::COLOR_BGR2GRAY);  //转换为灰度图
}else{
    cv::copyMakeBorder(out4, img_2, 1, 1, 1, 1, cv::BORDER_DEFAULT, 0);  //扩展图像边缘的函数（输入图像，输出图像，上，下，左，右，0，颜色），上下左右为扩展像素数
    out4.copyTo(gray_1);  //复制图像gray_1到out4
    img_2.copyTo(gray_2);
}

gray_1.copyTo(dst);

//对图像进行卷积操作
for(int i = 1; i < gray_2.rows-1; i++ )
{
    for(int j = 1; j < gray_2.cols-1; j++)
    {
        dst.at<uchar>(i-1,j-1) = ( - (int)gray_2.at<uchar>(i-1, j-1) + 5 * (int)(gray_2.at<uchar>(i-1, j))  - (int)(gray_2.at<uchar>(i-1, j+1)) \
                + 5 * (int)(gray_2.at<uchar>(i, j-1)) - (int)(gray_2.at<uchar>(i,j)) * 16 + 5 * (int)(gray_2.at<uchar>(i, j+1)) \
                - (int)(gray_2.at<uchar>(i+1, j-1)) + 5 * (int)(gray_2.at<uchar>(i+1, j)) - (int)(gray_2.at<uchar>(i+1, j+1))  ) / 16;
    }
}

}

2.1.2 完整示例代码

opencv2.4.13

#include

using namespace cv;
using namespace std;

void convolution(cv::Mat img, cv::Mat& dst)
{
cv::Mat img_2, gray_1, gray_2, out, out2, out3, out4;

cv::Mat element = getStructuringElement(cv::MORPH_RECT, cv::Size(3, 3));
//开运算，先腐蚀后膨胀
erode(img, out, element);  //腐蚀操作
dilate(out, out2, element);  //膨胀操作
//闭运算，先膨胀后腐蚀
dilate(out2, out3, element);  //膨胀操作
erode(out3, out4, element);  //腐蚀操作

if ((int)out4.channels() != 1){
    cv::copyMakeBorder(out4, img_2, 1, 1, 1, 1, cv::BORDER_DEFAULT, cv::Scalar(0, 0, 0));  //扩展图像边缘的函数（输入图像，输出图像，上，下，左，右，0，颜色），上下左右为扩展像素数
    cout << img_2.size() << endl;
    cv::cvtColor(out4, gray_1, cv::COLOR_BGR2GRAY);
    cv::cvtColor(img_2, gray_2, cv::COLOR_BGR2GRAY);
}
else{
    cv::copyMakeBorder(out4, img_2, 1, 1, 1, 1, cv::BORDER_DEFAULT, 0);
    out4.copyTo(gray_1);
    img_2.copyTo(gray_2);
}

gray_1.copyTo(dst);

for (int i = 1; i < gray_2.rows - 1; i++)
{
    for (int j = 1; j < gray_2.cols - 1; j++)
    {
        dst.at<uchar>(i - 1, j - 1) = (-(int)gray_2.at<uchar>(i - 1, j - 1) + 5 * (int)(gray_2.at<uchar>(i - 1, j)) - (int)(gray_2.at<uchar>(i - 1, j + 1)) \
            + 5 * (int)(gray_2.at<uchar>(i, j - 1)) - (int)(gray_2.at<uchar>(i, j)) * 16 + 5 * (int)(gray_2.at<uchar>(i, j + 1)) \
            - (int)(gray_2.at<uchar>(i + 1, j - 1)) + 5 * (int)(gray_2.at<uchar>(i + 1, j)) - (int)(gray_2.at<uchar>(i + 1, j + 1))) / 16;
    }
}

}

int main(){
string path = "D:/photo/02.jpg";
cv::Mat img, imgGray, dst, dstGray;
img = cv::imread(path);

convolution(img, dstGray);

cv::namedWindow("dstGray", cv::WINDOW_NORMAL);
cv::imshow("dstGray", dstGray);
cv::waitKey(0);

return 0;

}

原图：
效果图：

2.2 python代码

2.1.1 函数convolution(img)

opencv2.4.13

计算步骤：

开运算（先腐蚀后膨胀）

闭运算（先膨胀后腐蚀）

曲率卷积

注：先开后闭，可以使得图像的轮廓更加清晰

#曲率函数
def convolution(img):

kernel = (3,3)  #腐蚀膨胀的核
#开运算，先腐蚀后膨胀
img2 = cv2.erode(img, kernel)  #腐蚀操作
img3 = cv2.dilate(img2, kernel)  #膨胀操作
#闭运算，先膨胀后腐蚀
img4 = cv2.dilate(img3, kernel)  #膨胀操作
img5 = cv2.erode(img4, kernel)  #腐蚀操作
a = img5.shape[0]  #获取图像的行数
b = img5.shape[1]  #获取图像的列数
c = img5.shape[2]  #获取图像的通道数

#如果为RGB图像，则转换为灰度图
if c != 1:
    img6 = cv2.copyMakeBorder(img5, 1, 1, 1, 1, cv2.BORDER_DEFAULT, (0, 0, 0))
    gray5 = cv2.cvtColor(img5, cv2.COLOR_RGB2GRAY)
    gray6 = cv2.cvtColor(img6, cv2.COLOR_RGB2GRAY)
else:
    img6 = cv2.copyMakeBorder(img5, 1, 1, 1, 1, cv2.BORDER_DEFAULT, 0)
    gray5 = img5
    gray6 = img6
a2 = gray6.shape[0]
b2 = gray6.shape[1]
dst = gray5

#进行曲率提取操作
for i in range(1, a2-1):
    for j in range(1, b2-1):
        dst[i-1,j-1] = (-gray6[i-1,j-1] + 5*gray6[i-1,j] - gray6[i-1,j+1] + 5*gray6[i,j-1] - 16*gray6[i,j] + 5*gray6[i,j+1] - gray6[i+1,j-1] + 5*gray6[i+1,j] - gray6[i+1,j+1]) / 16
return dst

2.1.2 完整版代码

opencv2.4.13

-- coding: utf-8 --

"""
Created on Sun Mar 26 12:22:02 2017

@author: lql0716
"""

import cv2

#曲率函数
def convolution(img):

kernel = (3,3)  #腐蚀膨胀的核
#开运算，先腐蚀后膨胀
img2 = cv2.erode(img, kernel)  #腐蚀操作
img3 = cv2.dilate(img2, kernel)  #膨胀操作
#闭运算，先膨胀后腐蚀
img4 = cv2.dilate(img3, kernel)  #膨胀操作
img5 = cv2.erode(img4, kernel)  #腐蚀操作
a = img5.shape[0]  #获取图像的行数
b = img5.shape[1]  #获取图像的列数
c = img5.shape[2]  #获取图像的通道数

#如果为RGB图像，则转换为灰度图
if c != 1:
    img6 = cv2.copyMakeBorder(img5, 1, 1, 1, 1, cv2.BORDER_DEFAULT, (0, 0, 0))
    gray5 = cv2.cvtColor(img5, cv2.COLOR_RGB2GRAY)
    gray6 = cv2.cvtColor(img6, cv2.COLOR_RGB2GRAY)
else:
    img6 = cv2.copyMakeBorder(img5, 1, 1, 1, 1, cv2.BORDER_DEFAULT, 0)
    gray5 = img5
    gray6 = img6
a2 = gray6.shape[0]
b2 = gray6.shape[1]
dst = gray5

#进行曲率提取操作
for i in range(1, a2-1):
    for j in range(1, b2-1):
        dst[i-1,j-1] = (-gray6[i-1,j-1] + 5*gray6[i-1,j] - gray6[i-1,j+1] + 5*gray6[i,j-1] - 16*gray6[i,j] + 5*gray6[i,j+1] - gray6[i+1,j-1] + 5*gray6[i+1,j] - gray6[i+1,j+1]) / 16
return dst

#主代码函数
img = cv2.imread('D:/photo/04.jpg')
dst = convolution(img)
cv2.namedWindow('img', cv2.WINDOW_NORMAL)
cv2.imshow('img',dst)
cv2.waitKey(0)

cv2.imwrite('D:/photo/04_2python.jpg', dst)

原图：
效果图：
对于C++版和Python版的效果图，设置的参数不一致，效果图也不一致。
图像曲率处理的相关文章：

如何计算图像的曲率？
基于曲率的图像处理

OpenCV-霍夫变换
 http://blog.csdn.net/lql0716/article/details/71036749

canny边缘检测
 http://blog.csdn.net/lql0716/article/details/54966546

手机扫一扫

移动阅读更方便

你可能感兴趣的文章

DeepFake——学习资料

随机森林分类、回归算法原理及调参实战