matlab中的Sobel算子C程序源码
来源:互联网 发布:手机版淘宝怎么开店 编辑:程序博客网 时间:2024/06/01 14:43
第一个:
/**************************************************
* Sobel算子边缘检测
* parameter: srcData - 原始图像数据指针
* dstData - 存储处理后的图像
* lWidth,lHeight - 图像的宽和高
* dLineBites - 单行图像的字节数(4的倍数)
**************************************************/
void
WINAPI SobelEdgeDetect(
LPBYTE
srcData,
LPBYTE
dstData,
LONG
lWidth,
LONG
lHeight,
DWORD
dLineBites)
{
int
KERNEL[4][9] = {{-1,0,1,-2,0,2,-1,0,1},
{-1,-2,-1,0,0,0,1,2,1},
{-2,-1,0,-1,0,1,0,1,2},
{0,-1,-2,1,0,-1,2,1,0}};
int
i,j,k,kernel_sum,total_sum = 0,nMax = 0;
unsigned
char
* pTmpSrcData = NULL;
unsigned
char
* pTmpDstData = NULL;
for
(i = 1;i < lHeight - 1;i++)
{
pTmpSrcData = srcData + dLineBites * i;
pTmpDstData = dstData + dLineBites * i;
for
(j = 1;j < lWidth - 1; ++j)
{
total_sum = 0;
nMax = 0;
for
(k = 0;k < 4;k++)
{
kernel_sum = *(pTmpSrcData + j - dLineBites - 1) * KERNEL[k][0]+
*(pTmpSrcData + j - dLineBites ) * KERNEL[k][1]+
*(pTmpSrcData + j - dLineBites + 1) * KERNEL[k][2]+
*(pTmpSrcData + j - 1) * KERNEL[k][3]+
*(pTmpSrcData + j ) * KERNEL[k][4]+
*(pTmpSrcData + j + 1) * KERNEL[k][5]+
*(pTmpSrcData + j + dLineBites - 1) * KERNEL[k][6]+
*(pTmpSrcData + j + dLineBites ) * KERNEL[k][7]+
*(pTmpSrcData + j + dLineBites + 1) * KERNEL[k][8];
kernel_sum =
abs
(kernel_sum);
//total_sum += abs(kernel_sum);
if
(nMax < kernel_sum)
nMax = kernel_sum;
}
if
(nMax > 255)
nMax = 255;
*(pTmpDstData + j) = (unsigned
char
)nMax;
}
}
}
第二个:
/***********************************************************************
* Sobel边缘检测 (scale=0.5)
* 参数: image0为原图形,image1为边缘检测结果,w、h为图像的宽和高
* 当type为true时,差分结果取水平和垂直方向差分中较大者,否则取平均值
************************************************************************/
void SideSobel(BYTE* image0, BYTE* image1, unsigned int w, unsigned int h, bool type)
{
int x, y, a, aHr, aHg, aHb, aVr, aVg, aVb, aH, aV;
long n;
double scale = 0.2; // 该值是动态的,
//依次处理每个像素
for(y = 1; y < h-1; y++)
for(x = 1; x < w-1; x++)
{
//计算像素的偏移位置
n = (y*w+x)*4;
//计算红色分量水平灰度差
aHr = abs( (image0[n-w*4-4]+image0[n-4]*2+image0[n+w*4-4])
- (image0[n-w*4+4]+image0[n+4]*2+image0[n+w*4+4]) );
//计算红色分量垂直灰度差
aVr = abs( (image0[n-w*4-4]+image0[n-w*4]*2+image0[n-w*4+4])
- (image0[n+w*4-4]+image0[n+w*4]*2+image0[n+w*4+4]) );
//计算绿色分量水平灰度差
aHg = abs( (image0[n-w*4-4+1]+image0[n-4+1]*2+image0[n+w*4-4+1])
- (image0[n-w*4+4+1]+image0[n+4+1]*2+image0[n+w*4+4+1]) );
//计算绿色分量垂直灰度差
aVg = abs( (image0[n-w*4-4+1]+image0[n-w*4+1]*2+image0[n-w*4+4+1])
- (image0[n+w*4-4+1]+image0[n+w*4+1]*2+image0[n+w*4+4+1]) );
//计算蓝色分量水平灰度差
aHb = abs( (image0[n-w*4-4+2]+image0[n-4+2]*2+image0[n+w*4-4+2])
- (image0[n-w*4+4+2]+image0[n+4+2]*2+image0[n+w*4+4+2]) );
//计算蓝色分量垂直灰度差
aVb = abs( (image0[n-w*4-4+2]+image0[n-w*4+2]*2+image0[n-w*4+4+2])
- (image0[n+w*4-4+2]+image0[n+w*4+2]*2+image0[n+w*4+4+2]) );
//计算水平综合灰度差
aH = aHr + aHg + aHb;
//计算垂直综合灰度差
aV = aVr + aVg + aVb;
if(type)
{
//取水平和垂直方向差分中较大者
if(aH > aV) a = aH;
else a = aV;
}
else
{
//取水平和垂直方向差分的平均值
a = (aH + aV)/2;
}
a = a *scale;
a = a>255?255:a;
//生成边缘扫描结果
SetPixel(image1,n,a);
}
}
- matlab中的Sobel算子C程序源码
- sobel算子,matlab实现
- sobel算子,matlab实现
- Sobel算子matlab实现
- itk中的Sobel算子
- MATLAB的Roberts算子与Sobel算子
- matlab sobel canny prewitt 边缘检测算子
- Sobel算子
- Sobel算子
- sobel算子
- Sobel算子
- Sobel算子
- sobel算子
- Sobel算子
- sobel算子
- Sobel算子
- sobel算子
- opencv中的Sobel算子及编码实现
- 路由器逆向分析------QEMU的基本使用方法(MIPS)
- LeetCode037 Sudoku Solver
- C#多线程编程
- springmvc时间类型提交转换的问题
- Python 文件基本操作
- matlab中的Sobel算子C程序源码
- Liunx下的Oracle备份
- [c++基础] 四种类型转换和隐式类型转换
- LeetCode039 Combination Sum
- java读取文件内容几种方式
- LeetCode038 Count and Say
- 硬币找零
- PATl两个有序链表序列的合并
- 统一设置状态栏高亮