OpenCV高斯差分技术实现图像边缘检测

纯粹阅读，请移步OpenCV高斯差分技术实现图像边缘检测

效果图

源码

KqwOpenCVFeaturesDemo

边缘是图像中像素亮度变化明显的点。

高斯差分算法步骤

1. 将图像转为灰度图像

   // 原图置灰Imgproc.cvtColor(src, grayMat, Imgproc.COLOR_BGR2GRAY);

2. 用两个不同的模糊半径对灰度图像执行高斯模糊（取得两幅高斯模糊图像）

   // 以两个不同的模糊半径对图像做模糊处理Imgproc.GaussianBlur(grayMat, blur1, new Size(15, 15), 5);Imgproc.GaussianBlur(grayMat, blur2, new Size(21, 21), 5);

3. 将两幅高斯模糊图像做减法，得到一幅包含边缘点的结果图像

   // 将两幅模糊后的图像相减Mat diff = new Mat();Core.absdiff(blur1, blur2, diff);

该方法只对图像做了高斯模糊，这是计算图像边缘最快的方法之一，但是，该方法的结果也不是很理想，这种方式对某些图像效果很好，但是在某些情况下可能会完全失效。

封装

这里用到了RxJava。主要是因为图片处理是耗时操作，会阻塞线程，为了防止界面卡顿，这里使用RxJava进行了线程切换。

/** * 高斯差分算法边缘检测 * * @param bitmap 要检测的图片 */public void differenceOfGaussian(Bitmap bitmap) {    if (null != mSubscriber)        Observable                .just(bitmap)                .map(new Func1<Bitmap, Bitmap>() {                    @Override                    public Bitmap call(Bitmap bitmap) {                        Mat grayMat = new Mat();                        Mat blur1 = new Mat();                        Mat blur2 = new Mat();                        // Bitmap转为Mat                        Mat src = new Mat(bitmap.getHeight(), bitmap.getWidth(), CvType.CV_8UC4);                        Utils.bitmapToMat(bitmap, src);                        // 原图置灰                        Imgproc.cvtColor(src, grayMat, Imgproc.COLOR_BGR2GRAY);                        // 以两个不同的模糊半径对图像做模糊处理                        Imgproc.GaussianBlur(grayMat, blur1, new Size(15, 15), 5);                        Imgproc.GaussianBlur(grayMat, blur2, new Size(21, 21), 5);                        // 将两幅模糊后的图像相减                        Mat diff = new Mat();                        Core.absdiff(blur1, blur2, diff);                        // 反转二值阈值化                        Core.multiply(diff, new Scalar(100), diff);                        Imgproc.threshold(diff, diff, 50, 255, Imgproc.THRESH_BINARY_INV);                        // Mat转Bitmap                        Bitmap processedImage = Bitmap.createBitmap(grayMat.cols(), grayMat.rows(), Bitmap.Config.ARGB_8888);                        Utils.matToBitmap(diff, processedImage);                        return processedImage;                    }                })                .subscribeOn(Schedulers.io())                .observeOn(AndroidSchedulers.mainThread())                .subscribe(mSubscriber);}

使用

// 图片特征提取的工具类mFeaturesUtil = new FeaturesUtil(new Subscriber<Bitmap>() {    @Override    public void onCompleted() {        // 图片处理完成        dismissProgressDialog();    }    @Override    public void onError(Throwable e) {        // 图片处理异常        dismissProgressDialog();    }    @Override    public void onNext(Bitmap bitmap) {        // 获取到处理后的图片        mImageView.setImageBitmap(bitmap);    }});// 高斯差分技术检测图像边缘mFeaturesUtil.differenceOfGaussian(mSelectImage);