我正在尝试重现一篇论文的结果,其中他们将图像与高斯核的水平偏导数进行卷积。我还没有找到任何方法可以用 OpenCV 来实现这一点。那可能吗 ?
我是否必须获得高斯滤波器,然后手动计算偏导数?
正如 @akarsakov 所说,OpenCV 没有为此提供内置函数。不过,我们仍然可以使用OpenCV的getGaussianKernel()
然后应用一个因子来获得导数。
由于高斯 2D 内核是可分离的,因此该函数将简单地返回一个 1D 内核,并假设您将沿 x 轴应用 1D 滤波器,然后沿 y 轴应用 1D 滤波器,这比应用 2D 内核更快直接地。
由于您想要水平高斯导数,ref:
你可以简单地乘以-x/sigma^2
内核的每个点。
import cv2
import numpy as np
import matplotlib.pyplot as plt
kernel_size = 13
sigma = 0.5
kernel = cv2.getGaussianKernel(kernel_size, sigma, cv2.CV_64F)
print(kernel)
gaussian_first_deriv_x = np.zeros_like(kernel)
assert(kernel_size % 2 == 1) # I assume you are using an odd kernel_size
half_kernel_size = int(kernel_size / 2)
for i in range(kernel_size):
x = - half_kernel_size + i
factor = - x/ (sigma**2)
gaussian_first_deriv_x[i] = kernel[i] * factor
print(gaussian_first_deriv_x)
plt.plot(kernel[:], 'b')
plt.plot(gaussian_first_deriv_x[:], 'r')
plt.show()
现在,您可以使用该内核进行卷积。
注意:如果您使用Python,您也可以使用该函数ndimage.gaussian_filter1d(data, sigma=1, order=1, mode='wrap')
from from scipy import ndimage
.
OpenCV 默认使用以下内容:sigma = 0.3 * (kernel_size / 2.0 - 1) + 0.8
.
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)