İlk Sobel türevini bir kere x ve y yönünde bir kez hesaplayın ve bu iki (her kanal için) birleştirin

Question

Şu anda sahip olduğum bu sorunu çözmek için biraz yardıma ihtiyacım var. Ben sadece farklı şeyler, aynı zamanda Mavi, Yeşil ve Kırmızı temsil eden 3 görüntü var. Onları birleştirmem ve renkli bir görüntü almam gerekiyor. Ben opencv ve C++ kullanıyorum, ama şimdi bunu çözemediğim bu sorunu yaşıyorum. Kenar algılama üzerinde çalışma GEREKLİ:İHTİYAÇ: .

---- Güncelleme ---- ben bu sonucu bad example

olsun Ama böyle olmalı bazı yeni kodu

Sobel(img_r, x, CV_16S, 1, 0); 
    Sobel(img_r, y, CV_16S, 0, 1); 
    //Compute the L1 norm 
    sobel_L1_norm = abs(x)+abs(y); 
    //Find Sobel max value 
    minMaxLoc(sobel_L1_norm, &min, &max); 
    sobel_L1_norm.convertTo(sobel_image, CV_32F, 255.0/(max - min), -min * 255.0/(max - min)); 
    threshold(sobel_image, edgeThreshold, min, 255, THRESH_BINARY); 
    edgeThreshold.copyTo(img_r_edge); 

yazdı. correct one

---- TAM KOD -----

Mat img_r = imread(input_path + "/01.png", CV_LOAD_IMAGE_GRAYSCALE); 
Mat img_g = imread(input_path + "/02.png", CV_LOAD_IMAGE_GRAYSCALE); 
Mat img_b = imread(input_path + "/03.png", CV_LOAD_IMAGE_GRAYSCALE); 
// Edge Images 
Mat img_r_edge = Mat::zeros(img_r.size(), CV_8UC1); 
Mat img_g_edge = Mat::zeros(img_g.size(), CV_8UC1); 
Mat img_b_edge = Mat::zeros(img_b.size(), CV_8UC1); 

std::cout << "Step 1 - calculating edge images... "; 
    // TODO: 1) Calculate the 1st Sobel derivative once in x and once in y direction and combine these two 
    //   (for every channel). 
    Mat x; 
    Mat y; 
    Mat abs_x; 
    Mat abs_y; 
    Mat sobel_L1_norm; 
    Mat sobel_image; 
    Mat edgeThreshold; 
    double min, max; //Finding min and max Sobel valuye; 


    //--------------------------------------------------- 

    Sobel(img_r, x, CV_16S, 1, 0); 
    Sobel(img_r, y, CV_16S, 0, 1); 
    //Compute the L1 norm 
    sobel_L1_norm = abs(x)+abs(y); 
    //Find Sobel max value 
    minMaxLoc(sobel_L1_norm, &min, &max); 
    sobel_L1_norm.convertTo(sobel_image, CV_32F, 255.0/(max - min), -min * 255.0/(max - min)); 
    threshold(sobel_image, edgeThreshold, min, 255, THRESH_BINARY); 
    edgeThreshold.copyTo(img_r_edge); 

    //---------------------------------------------------- 


    //  2) Normalize every gradient image and convert the results to CV_8UC1. 
    //  3) Threshold the retrieved (normalized) gradient images using the parameter "edgeThreshold". 
    //  4) Save the results in the cv::Mats below. 

    imwrite(out_r_edge_filename, sobel); 
    imwrite(out_g_edge_filename, img_g_edge); 
    imwrite(out_b_edge_filename, img_b_edge); 

Answer 1

Sen eşikleme şunlara eşik min ile sobel_image. görüntüsünün minimum değeri olduğundan, min, 0 Ancak, neredeyse her zaman 0 olacaktır.

Degrade içermeyen bir pikselin sobel_L1_norm'da 0 değerine sahip olacağını unutmayın.

Bunun çözümü, eşik için anlamlı bir değer seçmektir. Değerleri [0, 255] aralığında normalleştirdiğinizden, o aralıkta bir değer seçebilirsiniz (0'dan büyük).

[0,1]'daki değerlerle normalize ederseniz, bu aralıkta bir değer seçin.

---

yerine maksimum bulma ve rescaling ait normalize(..., NORM_MINMAX) kullanabilirsiniz.

---

Ayrıca edgeThresholdthreshold çağrısının tip CV_32F bir matris olacak özen, bu nedenle de img_r_edge olacak. Görüntüyü imwrite ile düzeltmek için [0,1] aralığındaki CV_32F görüntülerini veya CV_8U görüntü aralıklarını [0,255] aralıklarla kullanın. Yani 'u [0,1] aralığında yeniden boyutlandırmaya veya CV_8U'a dönüştürmeye ihtiyacınız vardır.

---

Burada bir çok OpenCV türünü karıştırıyorsunuz. Türü tam olarak bilmek için Mat_<Tp>'u kullanmak genellikle daha kolaydır.

CV_32F görüntüleri ile her zaman [0,1] aralığında aralıklarla çalışabilirsiniz. önerilen değişikliklerle doğru çıktı, üretecek

---

Kodu:

#include <opencv2/opencv.hpp> 
#include <vector> 
using namespace cv; 
using namespace std; 


int main() 
{ 
    Mat3b img = imread(path_to_color_image"); 

    vector<Mat1b> planes; 
    split(img, planes); 

    Mat1b img_r = planes[2].clone(); 
    Mat1b img_g = planes[1].clone(); 
    Mat1b img_b = planes[0].clone(); 

    // Edge Images 
    Mat1b img_r_edge; 
    Mat1b img_g_edge; 
    Mat1b img_b_edge; 

    // TODO: 1) Calculate the 1st Sobel derivative once in x and once in y direction and combine these two 
    //   (for every channel). 
    Mat1f dx, dy; 
    Mat1f sobel_L1_norm; 
    Mat1f sobel_image; 
    Mat1f edgeThreshold; 
    double min, max; //Finding min and max Sobel valuye; 


    //--------------------------------------------------- 

    Sobel(img_r, dx, CV_32F, 1, 0); 
    Sobel(img_r, dy, CV_32F, 0, 1); 

    //Compute the L1 norm 
    sobel_L1_norm = abs(dx) + abs(dy); // Type 

    // Normalize 
    normalize(sobel_L1_norm, sobel_image, 0, 1, NORM_MINMAX); 

    // Use a value different from 'min', which will (almost always) be 0. 
    double thresh = 0.5; 
    threshold(sobel_image, edgeThreshold, thresh, 255, THRESH_BINARY); 

    edgeThreshold.convertTo(img_r_edge, CV_8U); 
    imwrite("img_r_edge.png", img_r_edge); 


    return 0; 
}