c – sobel过滤器算法阈值处理(不使用外部库)

概述我正在编写自己的sobel egde检测实现.我的功能界面是 void sobel_filter(volatile PIXEL * pixel_in, FLAG *EOL, volatile PIXEL * pixel_out, int rows, int cols) (PIXEL是一个8位灰度像素) 为了测试,我将界面更改为： void sobel_filter(PIXEL pixels_in[ 我正在编写自己的sobel egde检测实现.我的功能界面是

voID sobel_filter(volatile PIXEL * pixel_in,FLAG *Eol,volatile PIXEL * pixel_out,int rows,int cols)

(PIXEL是一个8位灰度像素)
为了测试,我将界面更改为：

voID sobel_filter(PIXEL pixels_in[MAX_HEIGHT][MAX_WIDTH],PIXEL
pixels_out[MAX_HEIGHT][MAX_WIDTH],int cols);

但是,问题是,我一次只能读取一个像素,这让我想到了当sobel大于255或小于0时​​管理sobel的输出值的问题.如果我从一开始就有了整个画面,我可以用最小值和最大值来标准化所有sobel输出值.但这对我来说是不可能的.

这是我的sobel运算符代码,ver1：

PIXEL sobel_op(PIXEL_CH window[KERNEL_SIZE][KERNEL_SIZE]){    const char x_op[KERNEL_SIZE][KERNEL_SIZE] = { {-1,1},{-2,2},{-1,1}};    const char y_op[KERNEL_SIZE][KERNEL_SIZE] = { {1,2,{0,0},-2,-1}};    short x_weight=0;    short y_weight=0;    PIXEL ans;    for (short i=0; i<KERNEL_SIZE; i++){        for(short j=0; j<KERNEL_SIZE; j++){            x_weight+=window[i][j]*x_op[i][j];            y_weight+=window[i][j]*y_op[i][j];        }    }    short val=ABS(x_weight)+ABS(y_weight);    //make sure the pixel value is between 0 and 255 and add thresholds    if(val>200)        val=255;    else if(val<100)        val=0;    ans=255-(unsigned char)(val);    return ans;

}

这是第2版,只有在总结权重后才进行更改：

short val=ABS(x_weight)+ABS(y_weight);unsigned char char_val=(255-(unsigned char)(val));//make sure the pixel value is between 0 and 255 and add thresholdsif(char_val>200)    char_val=255;else if(char_val<100)    char_val=0;ans=char_val;return ans;

现在,对于3×3索贝尔,两者似乎都给出了好的结果：
;

但是当我尝试使用5×5索贝尔时

const char x_op[KERNEL_SIZE][KERNEL_SIZE] = { {1,-1},{4,8,-8,-4},{6,12,-12,-6},{1,-1}};const char y_op[KERNEL_SIZE][KERNEL_SIZE] = { {-1,-4,-6,-2},{2,4,6,1}};

它变得棘手：

正如您所看到的,对于5×5,结果非常糟糕,我不知道如何规范化值.有任何想法吗？

解决方法 考虑过滤值可以采用的值范围.

对于Sobel 3×3,当具有正系数的像素为白色(255)时获得最高X / Y值,而具有负系数的像素为黑色(0),其总共为1020.对称地,最低价值是-1020.取绝对值后,范围为0到1020 = 4 x 255.

对于幅度,Abs(X)Abs(Y),计算稍微复杂一点,因为两个分量不能同时达到1020.如果我是对的,范围是0到1530 = 6 x 255.

5×5的类似数字是48 x 255和66 x 255.

知道这一点,您应该将值重新缩放到较小的范围(应用缩小系数),并调整阈值.从逻辑上讲,如果您将系数3/66应用于Sobel 5×5,您将返回到类似的条件.

这一切都取决于你想要达到的效果.

无论如何,真正的问题是：对于典型图像,过滤值如何统计分布？因为没有必要保持分布的远端.

总结

以上是内存溢出为你收集整理的c – sobel过滤器算法阈值处理(不使用外部库)全部内容，希望文章能够帮你解决c – sobel过滤器算法阈值处理(不使用外部库)所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。