求图像的梯度

图像的梯度

图像的梯度是一种数据trick，里面包含了物体的轮廓、外形等信息，在各种算法里面非常常见。

下面是HOG特征中使用的梯度表示。

数学表示

梯度分量

梯度幅值和方向

图形表示

代码表示

opencv源码, computeGradient函数。

for( y = 0; y < gradsize.height; y++ )
{
    const uchar* imgPtr  = img.ptr(ymap[y]);
    //In case subimage is used ptr() generates an assert for next and prev rows
    //(see http://code.opencv.org/issues/4149)
    const uchar* prevPtr = img.data + img.step*ymap[y-1];
    const uchar* nextPtr = img.data + img.step*ymap[y+1];

    float* gradPtr = grad.ptr<float>(y);
    uchar* qanglePtr = qangle.ptr(y);

    if( cn == 1 )
    {
        for( x = 0; x < width; x++ )
        {
            int x1 = xmap[x];
            dbuf[x] = (float)(lut[imgPtr[xmap[x+1]]] - lut[imgPtr[xmap[x-1]]]);
            dbuf[width + x] = (float)(lut[nextPtr[x1]] - lut[prevPtr[x1]]);
        }
    }
    else
   {
       ... 
   } 
    // computing angles and magnidutes
    cartToPolar( Dx, Dy, Mag, Angle, false );
}

未完待续