Qt图像处置处罚技术十二:QImage实现边沿检测(sobel算法)
结果图https://img-blog.csdnimg.cn/direct/1e738cd6029c447aa7ef7e06848a3d4c.png原理
Sobel算法是一种常用的边沿检测算法，它利用图像的灰度变革来检测图像中物体的边沿。Sobel算法主要包罗以下几个步调：
灰度化： 起首将彩色图像转换为灰度图像，因为灰度图像只包含单通道的灰度信息，有利于边沿检测处置处罚。
盘算水平和垂直方向的梯度： 对灰度图像进行水平和垂直方向的滤波操作。分别利用Sobel算子对图像进行卷积操作，Sobel算子是一个3x3的矩阵，用于对图像的每个像素进行加权求和，以便捕捉到图像中灰度变革最为明显的地方。水平方向的Sobel算子通常表现为Gx，垂直方向的Sobel算子通常表现为Gy。
归并梯度： 盘算水平和垂直方向梯度的幅值，通常利用以下公式来归并水平和垂直方向的梯度：
[ G = \sqrt{G_x^2 + G_y^2} ]
此中，(G) 表现综合梯度，(G_x) 和 (G_y) 分别表现水平和垂直方向的梯度。
阈值处置处罚： 对归并后的梯度图像进行阈值处置处罚，通过设置合适的阈值来筛选出明显的边沿，抑制一些非边沿的干扰信息。
非极大值抑制： 进一步细化边沿位置，通过保存局部梯度最大的像素值，抑制其他非最大值的像素，以得到更细化、更正确的边沿信息。
总的来说，Sobel算法通过盘算图像中每个像素点的梯度值，从而找到图像中灰度变革明显的位置，辨认物体的边沿信息。这种方法在盘算上比力简单，且结果比力稳固，因此被广泛应用在图像处置处罚范畴中的边沿检测任务中。
源码
// Sobel算子
int sobelOperator(const QImage &image, int x, int y)
{
int gx = 0, gy = 0;
// Sobel算子
int sobelX = {{-1, 0, 1},
{-2, 0, 2},
{-1, 0, 1}};
int sobelY = {{-1, -2, -1},
{0, 0, 0},
{1, 2, 1}};
// 遍历Sobel算子的3x3邻域
for (int i = -1; i <= 1; ++i) {
for (int j = -1; j <= 1; ++j) {
// 获取邻域内的像素值，超出边界的像素使用0代替
int pixelX = qBound(0, x + i, image.width() - 1);
int pixelY = qBound(0, y + j, image.height() - 1);
QColor pixelColor(image.pixel(pixelX, pixelY));
// 计算梯度值
gx += sobelX * pixelColor.red();
gy += sobelY * pixelColor.red();
}
}
// 计算梯度的幅值
int gradientMagnitude = qAbs(gx) + qAbs(gy);
// 对梯度值进行归一化处理，确保在范围内
gradientMagnitude = qBound(0, gradientMagnitude, 255);
return gradientMagnitude;
}
// 边缘检测函数
QImage detectEdges(const QImage &inputImage)
{
QImage outputImage(inputImage.size(), inputImage.format());
for (int y = 0; y < inputImage.height(); ++y) {
for (int x = 0; x < inputImage.width(); ++x) {
// 对每个像素应用Sobel算子
int gradientMagnitude = sobelOperator(inputImage, x, y);
// 将梯度值作为边缘强度，用灰度值表示
outputImage.setPixelColor(x, y, QColor(gradientMagnitude, gradientMagnitude, gradientMagnitude));
}
}
return outputImage;
}
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]