一杯清酒邀明月
天下本无事,庸人扰之而烦耳。

1.梯度算子提取图像边缘

图像中不连续的灰度值会产生边缘,图像的边缘检测是基于边界的图像分割方法,如分水岭算法,通常是分割原图的梯度图像,梯度实际上也是反应的图像边缘信息。图像边缘一般常用图像一阶导数和二阶导数来检测。
梯度算子对应于图像一阶导数。图像一阶导数计算一般是通过差分运算来近似的。VTK中可以使用vtkImageGradient计算图像梯度。注意图像梯度是一个向量,具有方向和大小。因此vtkImageGradient的计算结果是一个梯度场,也就是每个像素值都是一个梯度向量。显示梯度图像时需要计算每个像素点的梯度大小,即模值。
下面代码如何利用VTK怎么计算图像梯度:
 1 #include <vtkAutoInit.h>
 2 VTK_MODULE_INIT(vtkRenderingOpenGL);
 3  
 4 #include <vtkSmartPointer.h>
 5 #include <vtkJPEGReader.h>
 6 #include <vtkImageGradient.h>
 7 #include <vtkImageMagnitude.h>
 8 #include <vtkImageData.h>
 9 #include <vtkImageShiftScale.h>
10 #include <vtkImageActor.h>
11 #include <vtkRenderer.h>
12 #include <vtkRenderWindow.h>
13 #include <vtkRenderWindowInteractor.h>
14 #include <vtkInteractorStyleImage.h>
15  
16 int main()
17 {
18     vtkSmartPointer<vtkJPEGReader> reader =
19         vtkSmartPointer<vtkJPEGReader>::New();
20     reader->SetFileName("lena.jpg");
21     reader->Update();
22  
23     vtkSmartPointer<vtkImageGradient> imgGradient =
24         vtkSmartPointer<vtkImageGradient>::New();
25     imgGradient->SetInputConnection(reader->GetOutputPort());
26     imgGradient->SetDimensionality(2);//?????
27  
28     vtkSmartPointer<vtkImageMagnitude> imgMagnitude =
29         vtkSmartPointer<vtkImageMagnitude>::New();
30     imgMagnitude->SetInputConnection(imgGradient->GetOutputPort());
31     imgMagnitude->Update();
32  
33     double Range[2];
34     vtkSmartPointer<vtkImageData> getRange =
35         vtkSmartPointer<vtkImageData>::New();
36     imgMagnitude->GetOutput()->GetScalarRange(Range);//图像灰度范围最小值、最大值
37  
38     vtkSmartPointer<vtkImageShiftScale> imgShiftScale =
39         vtkSmartPointer<vtkImageShiftScale>::New();
40     imgShiftScale->SetOutputScalarTypeToUnsignedChar(); //强制类型转换 0~255
41     imgShiftScale->SetScale(255 / Range[1]); //灰度映射间距
42     imgShiftScale->SetInputConnection(imgMagnitude->GetOutputPort());
43     imgShiftScale->Update();
44  
45     /
46     vtkSmartPointer<vtkImageActor> origActor =
47         vtkSmartPointer<vtkImageActor>::New();
48     origActor->SetInputData(reader->GetOutput());
49  
50     vtkSmartPointer<vtkImageActor> GradientActor =
51         vtkSmartPointer<vtkImageActor>::New();
52     GradientActor->SetInputData(imgShiftScale->GetOutput());
53     
54     double origView[4] = { 0, 0, 0.5, 1 };
55     double gradientView[4] = { 0.5, 0, 1, 1 };
56     vtkSmartPointer<vtkRenderer> origRender =
57         vtkSmartPointer<vtkRenderer>::New();
58     origRender->SetViewport(origView);
59     origRender->AddActor(origActor);
60     origRender->ResetCamera();
61     origRender->SetBackground(1.0, 0, 0);
62  
63     vtkSmartPointer<vtkRenderer> gradientRender =
64         vtkSmartPointer<vtkRenderer>::New();
65     gradientRender->SetViewport(gradientView);
66     gradientRender->AddActor(GradientActor);
67     gradientRender->ResetCamera();
68     gradientRender->SetBackground(1, 1, 1);
69     
70     vtkSmartPointer<vtkRenderWindow> rw =
71         vtkSmartPointer<vtkRenderWindow>::New();
72     rw->AddRenderer(origRender);
73     rw->AddRenderer(gradientRender);
74     rw->SetSize(640, 320);
75     rw->SetWindowName("Image Gradient");
76  
77     vtkSmartPointer<vtkRenderWindowInteractor> rwi =
78         vtkSmartPointer<vtkRenderWindowInteractor>::New();
79     vtkSmartPointer<vtkInteractorStyleImage> style =
80         vtkSmartPointer<vtkInteractorStyleImage>::New();
81     rwi->SetRenderWindow(rw);
82     rwi->SetInteractorStyle(style);
83     rwi->Initialize();
84     rwi->Start();
85  
86     return 0;
87 }
vtkImageGradient的使用比较简单,只需要设置输入图像即可。
计算梯度时,采用的是中间差分法,即像素在每个方向的差分,都是利用的前后两个像素值之差。这样在图像在边界处的差分计算需要特殊处理。其内部定义了HandleBoundaries变量,通过函数SetHandleBoundaries()定赋值。当HandleBoundaries为真时算子会特殊处理计算边界像素的梯度;当为假时不计算边界像素的梯度值,因此输出图像大小要小于输入图像。
另外函数SetDimensionality()用于设置要计算的图像维数,默认为二维,此时梯度向量也为二维。
前面也提到过,梯度是一个向量,不能直接显示。
因此上面代码中定义了vtkImageMagnitude对象来计算梯度向量的2范数,即向量的模。
利用vtkImageShiftScale将图像的数据范围调整到0-255然后显示。
另外还可以通过vtkImageExtractComponents来提取每个方向的梯度分量进行显示。
注意,彩色图像不能直接用来计算梯度,需要先转换为灰度图像。
本例的执行结果如下图所示。
posted on 2021-01-06 15:32  一杯清酒邀明月  阅读(345)  评论(0编辑  收藏  举报