OpenCV边缘提取

这篇博客探讨了如何使用OpenCV进行边缘检测,特别是通过形态学操作来过滤图像中的高亮度部分,保留较暗区域的边缘。作者分享了一个例子,展示了原图、直接边缘检测、开操作和滤波后的效果,强调了cv::min函数在过滤高光边缘方面的巧妙应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

边缘检测是图像处理中的一种传统算法,可以用来做物体检测。偶然间看到一个例子,形态学操作实为巧妙,稍作分析记录下来,同时分享给像我一样的小白。代码经过整理如下:

#include<iostream>
#define max(a,b) a>b?a:b
using namespace std;
int main()
{
	cv::Mat pupil_image = cv::imread("test.jpg",0);
	cv::Mat binary_img, spec_mask, kernel;
	cv::Mat histogram;
	int histSize;
	histSize = 256;	
	float range[] = { 0, 256 }; 
	const float* histRange = { range };
	int max_intensity = 40, lowest_spike_index = 255, highest_spike_index =0;
	cv::calcHist(&pupil_image, 1, 0, cv::Mat(), histogram, 1, &histSize, &histRange, true, false);
	for (int i = 0; i < histogram.rows; i++) {
		const float intensity = histogram.at<float>(i, 0);
		if (intensity > 40) {
			max_intensity = max(intensity, max_intensity);
			lowest_spike_index = min(lowest_spike_index, i);
			highest_spike_index = max(highest_spike_index, i);
		}
	}
	cv::inRange(pupil_image, cv::Scalar(0), cv::Scalar(lowest_spike_index + 20), binary_img);  
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值