【OpenCV学习】第12课:特征提取（高斯不同）
仅自学做笔记用,后续有错误会更改
理论
- 定义：就是把同一张图像在不同的参数下做高斯模糊之后的结果相减，得到的输出图像，称为高斯不同（DOG）
- 高斯不同是图像的内在特征， 在灰度图像增强丶角点检测中经常用到
相关API
normalize(Mat src,Mat dst, double alpha = 1, double beta = 0, intnorm_type = NORM_L2, int dtype = -1, InputArray mask = noArray());
- src:输入图像/数组
- dst:输出图像/数组
- alpha:范围的最小值
- beta:范围的最大值（不用于范数归一化）
- intnorm_type:归一操作的类型，有如下三种：
NORM_MINMAX:将数组的数值归一化到[alpha,beta]内，常用。
NORM_L1:归一化数组的L1-范数(绝对值的和)
NORM_L2:归一化数组的(欧几里德)L2-范数 - dtype:为负数时，输出数组的类型与输入数组相同，否则只是通道数相同，类型默认为：type = CV_MAT_DEPTH
- mask:指定操作的区域/空间
代码示例
Mat src;
src = imread(...);
//显示原图
char INPUT_WIN[] = "input image";
namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
imshow(INPUT_WIN,src);
// 显示提取的特征图
Mat gray_src, g1, g2, dogImg;
//先转为灰度图
cvtColor(src, gray_src,CV_BGR2GRAY);
// 第1次高斯模糊
GaussianBlur(gray_src, g1, Size(3, 3), 0, 0);
// 第2次高斯模糊
GaussianBlur(g1, g2, Size(3, 3), 0, 0);
//g1 减去 g2
subtract(g1, g2, dogImg, Mat());
namedWindow("DOG Image",CV_WINDOW_AUTOSIZE);
imshow("DOG Image", dogImg);
效果截图：
原图：
特征提取图：
看不太清，，，原因是高斯模糊的两个差值很小，所以反映到灰度图上像素值也就很低，这个时候就需要我们用到上边提到的API了， normalize进行归一化显示（我们是线性提亮嘛）
把代码稍微改一下:
Mat src;
src = imread(...);
//显示原图
char INPUT_WIN[] = "input image";
namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
imshow(INPUT_WIN,src);
// 显示提取的特征图
Mat gray_src, g1, g2, dogImg;
//先转为灰度图
cvtColor(src, gray_src,CV_BGR2GRAY);
// 第1次高斯模糊
GaussianBlur(gray_src, g1, Size(3, 3), 0, 0);
// 第2次高斯模糊
GaussianBlur(g1, g2, Size(3, 3), 0, 0);
//g1 减去 g2, 正常也就是低 减去 高， 用高 减去 低的话， 线条会更明显
subtract(g1, g2, dogImg, Mat());
//归一化显示
normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);
namedWindow("DOG Image",CV_WINDOW_AUTOSIZE);
imshow("DOG Image", dogImg);
再来看效果：
