16、图像特征提取技术详解

php55

于 2025-10-30 16:45:39 发布

阅读量8

点赞数

CC 4.0 BY-SA版权

分类专栏： OpenCV实战精讲文章标签：拉普拉斯算子高斯差分 Canny算子

本文链接：https://blog.youkuaiyun.com/php55/article/details/154861025

OpenCV实战精讲专栏收录该内容

32 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

图像特征提取技术详解

1. 拉普拉斯算子与图像增强

拉普拉斯算子在边缘检测中会检测出大量边缘，在实际应用中，它通常与其他算子结合使用来检测边缘，例如在强梯度幅值的过零点位置确定边缘。同时，拉普拉斯算子和其他二阶算子在多尺度检测兴趣点方面非常有用。

拉普拉斯算子是一种高通滤波器，但有趣的是，它可以通过低通滤波器的组合来近似。在探讨这方面之前，先介绍一下使用拉普拉斯算子增强图像对比度的方法。通过从图像中减去其拉普拉斯变换结果，可以增强图像的对比度。

2. 高斯差分（Difference of Gaussians, DoG）

高斯滤波器可以提取图像的低频信息，其滤波的频率范围取决于参数 σ，该参数控制着滤波器的宽度。如果用两个不同带宽的高斯滤波器对同一图像进行滤波，然后将滤波后的两个图像相减，得到的图像将包含其中一个滤波器保留而另一个未保留的高频信息，这个操作称为高斯差分（DoG），计算代码如下：

cv::GaussianBlur(image,gauss20,cv::Size(),2.0); 
cv::GaussianBlur(image,gauss22,cv::Size(),2.2); 

// Compute a difference of Gaussians 
cv::subtract(gauss22, gauss20, dog, cv::Mat(), CV_32F); 

// Compute the zero-crossings of DoG 
zeros= laplacian.getZeroCrossings(dog);

适当选择 σ