我是圖像處理和計算機視覺領域的新成員,我想使用不同尺度空間的高斯拉普拉斯算子檢測圖像中的斑點。以下鏈接詳細解釋。 http://www.cs.utah.edu/~jfishbau/advimproc/project1/ http://www.cs.utah.edu/~manasi/coursework/cs7960/p1/project1.html 到目前爲止,通過使用opencv2我設法得到圖像,應用與各種內核的高斯濾波器和應用拉普拉斯濾波器。我乘以西格瑪平方整個圖像放大的信號(見鏈接說明),然後我申請一個門檻。下一步是檢測局部最大值和最小值,這樣我就可以得到blob中心並能夠繪製圓圈,但我不知道如何去做,以及我迄今爲止所做的圖像處理是否正確。這裏是我的代碼:使用opencv進行尺度空間斑點檢測
int main(){
image1 = imread("butterfly.jpg",0);
drawing1 = imread("butterfly.jpg");
blobDetect(image1,drawing1);
waitKey();
return 0;
}
void blobDetect(Mat image, Mat drawing){
int ksize = 1;
int n =1;
Mat result[10];
for(int i=0; i<10; i++){
cv::GaussianBlur(image,result[i],cv::Size(ksize,ksize),ksize/3,0);
n+=1;
ksize = 2*n-1;
}
ksize = 1;
n =1;
for(int i=0; i<10; i++){
cv::Laplacian(result[i],result[i],CV_8U,ksize,1,0);
n+=1;
ksize = 2*n-1;
}
ksize = 1;
int cols = image.cols;
int rows = image.rows;
for(int a=0; a<10; a++){
for(int i=0; i<rows; i++){
//uchar* data = result[a].ptr<uchar>(rows);
for(int j=0; j<cols; j++){
result[a].at<uchar>(i,j) *= (ksize/3)*(ksize/3);
}
}
ksize++;
ksize = 2*ksize-1;
}
for(int i=0; i<10; i++){
cv::threshold(result[i], result[i], 100, 255, 0);
}
}
這是預期的結果
感謝
首先,我覺得有必要澄清一點:不使用「不同尺度空間」,您使用的是單一的空間尺度,其在這個問題上是高斯(或線性)尺度空間。從它和基於Lindeberg的作品中,這些鏈接建議結合使用拉普拉斯濾波器來嘗試在不同尺度上查找斑點。在那裏存在許多可能性,其中之一是將兩個「相鄰」尺度上存在的區域最大值視爲一個斑點,因此可以從中推導出一個圓。那麼,你的問題與尺度空間或區域最大/最小值有關嗎? – mmgp 2013-02-20 19:46:42