sobel滤波器算法阈值处理(不使用外部库)

时间:2014-05-23 13:07:27

标签: c++ image-processing fpga edge-detection

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: ver1;

ver2

但是当我尝试使用5x5 sobel

    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: ver1 ver

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?

2 个答案:

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。