＜LearnOpenCV(11) C++＞高斯差分图像（DoG）

高斯差分（DoG）

从图像高斯差分（DoG）金字塔了解上下采样API及高斯模糊。

上采样与降采样

API

CV_EXPORTS_W void pyrDown( InputArray src, OutputArray dst,
                           const Size& dstsize = Size(), int borderType = BORDER_DEFAULT );
CV_EXPORTS_W void pyrUp( InputArray src, OutputArray dst,
                         const Size& dstsize = Size(), int borderType = BORDER_DEFAULT );

• src 输入图像
• dst 输出图像
• dstsize 输出图像尺寸

代码

#include 
#include 

using namespace std;
using namespace cv;

int main() {
	Mat src, dst;
	src = imread("girl6.jpg");
	if (!src.data)
	{
		printf("Wrong with Loading img!\n");
		return -1;
	}
	
	Mat dst_pyrup, dst_pyrdown;
	pyrDown(src, dst_pyrdown, Size(src.cols / 2, src.rows / 2));
	pyrUp(src, dst_pyrup, Size(src.cols * 2, src.rows * 2));
	imshow("dst_pyrdown", dst_pyrdown);
	imshow("src", src);
	imshow("dst_pyrup", dst_pyrup);
    waitKey(0);
	return -1;

}

高斯差分

由于高斯滤波核按统计分布分配像素值，图像中低频部分在不同强度（σ）的滤波下变化不大，高频部分在不同的强度的滤波下表现出差异，所以可以根据

不同强度下的滤波结果得到图像的高频信息。

高斯模糊

简单说高斯模糊就是根据邻域像素到目标像素的距离按照正态分布（可以调整方差）的权重求加权平均值作为目标像素值。

CV_EXPORTS_W void GaussianBlur( InputArray src, OutputArray dst, Size ksize,
                                double sigmaX, double sigmaY = 0,
                                int borderType = BORDER_DEFAULT );

• src 出入图像
• dst 输出图像
• ksize 滤波核尺寸
• sigmax x方向标准差
• sigmay y方向标准差

cvtColor(src, g_src, COLOR_BGR2GRAY);	
GaussianBlur(g_src, Gr_g1, Size(5, 5), 0, 0);
GaussianBlur(Gr_g1, Gr_g2, Size(5, 5), 0, 0);

高斯差分

不同强度下的高斯模糊结果之间的差可以描述图像中的高频信息，成DoG图像：

#include 
#include 

using namespace std;
using namespace cv;

int main() {
	Mat src, dst;
	src = imread("girl6.jpg");
	if (!src.data)
	{
		printf("Wrong with Loading img!\n");
		return -1;
	}
	
	Mat dst_pyrup, dst_pyrdown;
	pyrDown(src, dst_pyrdown, Size(src.cols / 2, src.rows / 2));
	pyrUp(src, dst_pyrup, Size(src.cols * 2, src.rows * 2));

	Mat g_src, g_pyrup, g_pyrdown;
	cvtColor(src, g_src, COLOR_BGR2GRAY);
	cvtColor(dst_pyrup, g_pyrup, COLOR_BGR2GRAY);
	cvtColor(dst_pyrdown, g_pyrdown, COLOR_BGR2GRAY);

	Mat Gr_g1, Gr_g2, Gr_g_up, Gr_g_down;
	GaussianBlur(g_src, Gr_g1, Size(5, 5), 0, 0);
	GaussianBlur(Gr_g1, Gr_g2, Size(5, 5), 0, 0);//没有改变强度，只是单纯的两次滤波
	subtract(Gr_g1, Gr_g2, dst,Mat());//两次图像求差
	normalize(dst, dst, 255, 0, NORM_MINMAX);//归一化显示，DoG图像不太明显，做一个归一化显示

	imshow("Gr_g1", Gr_g1);
	imshow("g_src", g_src);
	imshow("Gr_g2", Gr_g2);
	imshow("DoG Image", dst);

	GaussianBlur(g_pyrup, Gr_g_up, Size(3, 3), 0, 0);
	GaussianBlur(g_pyrdown, Gr_g_down, Size(3, 3), 0, 0);
	
	//imshow("dst_pyrdown", g_pyrup);
	//imshow("dst_pyrup", g_pyrdown);

	waitKey(0);
	return -1;

}