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 rows,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。如果我从首先,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] = { {-1,0,1},
{-2,0,2},
{-1,0,1}};
const char y_op[KERNEL_SIZE][KERNEL_SIZE] = { {1,2,1},
{0,0,0},
{-1,-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 thresholds
if(char_val>200)
char_val=255;
else if(char_val<100)
char_val=0;
ans=char_val;
return ans;
现在,对于3x3索贝尔,两者似乎都给出了好的结果: ;
但是当我尝试使用5x5 sobel
时 const char x_op[KERNEL_SIZE][KERNEL_SIZE] = { {1,2,0,-2,-1},
{4,8,0,-8,-4},
{6,12,0,-12,-6},
{4,8,0,-8,-4},
{1,2,0,-2,-1}};
const char y_op[KERNEL_SIZE][KERNEL_SIZE] = { {-1,-4,-6,-4,-1},
{-2,-8,-12,-8,-2},
{0,0,0,0,0},
{2,8,12,8,2},
{1,4,6,4,1}};
它变得棘手:
正如您所看到的,对于5x5,结果非常糟糕,我不知道如何规范化这些值。有什么想法吗?
答案 0 :(得分:4)
考虑过滤值可以采用的值范围。
对于Sobel 3x3,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,最低值是-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,范围是从0到1530 = 6 x 255。
5x5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,如果将系数3/66应用于Sobel 5x5,您将返回类似的条件。
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。
答案 1 :(得分:3)
您必须规范化计算结果。为此,您必须找出具有所有绝对值的过滤器的“大”。所以我这样做:
for(int i = 0; i < mask.length; i++)
for(int j = 0; j < mask[i].length; j++)
size += Math.abs(mask[i][j]);
其中面具是我的每种尺寸的索贝尔过滤器。因此,在应用sobel过滤器之后,您必须在代码中规范化您的值,它应该如下所示:
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];
}
}
x_weight /= size;
y_weight /= size;
在可视化之后,您必须将值移动大约128.如果您想要显示图像,请执行此操作。否则,您会遇到以后计算的问题(例如渐变)。
x_weight += 128;
y_weight += 128;
希望它有效并有所帮助。