OpenCV 图像平均梯度

最新推荐文章于 2024-09-10 22:45:16 发布

原创最新推荐文章于 2024-09-10 22:45:16 发布 · 2.7k 阅读

0 ·

CC 4.0 BY-SA版权

图像处理专栏收录该内容

11 篇文章

订阅专栏

本文详细介绍了图像平均梯度计算方法，包括水平和垂直梯度的计算、梯度矩阵的构造及平均梯度值的求解过程。通过使用Mat类进行图像处理，展示了如何利用内核进行卷积操作来获取图像的梯度信息。

// 图像平均梯度

double AvG_Gradient(Mat img)
{
// dx = img(i+1,j) - img(i,j);
// dy = img(i,j+1) - img(i,j);
// avg_gradient = sum(sqrt((dx*dx+dy*dy)/2)) /(M*N)

Mat kh = Mat(2,2,CV_64F);
Mat kv = Mat(2,2,CV_64F);

// horizotal kernel
kh.at<double>(0,0) = 0;
kh.at<double>(0,1) = 0;
kh.at<double>(1,0) = 1;
kh.at<double>(1,1) = -1;

// vertical kernel
kv.at<double>(0,0) = 0;
kv.at<double>(0,1) = 1;
kv.at<double>(1,0) = 0;
kv.at<double>(1,1) = -1;

Mat img64f;
img.convertTo(img64f,CV_64F);

// horizontal gradient
Mat h_gradient = conv2(img64f,kh,CONVOLUTION_SAME);
// vertical gradient
Mat v_gradient = conv2(img64f,kv,CONVOLUTION_SAME);

double temp = 0.0;
for(int i=0;i<img.rows;i++)
{
  for(int j=0;j<img.cols;j++)
  {
   double dx = h_gradient.at<double>(i,j);
   double dy = v_gradient.at<double>(i,j);
   double avg_gradient = sqrt((dx*dx+dy*dy)*0.5);
   temp = temp+avg_gradient;
  }
}
temp = temp/(img.rows*img.cols);
return temp;
}

// conv2的代码参见：http://blog.youkuaiyun.com/windydreams/article/details/8110112