Programming

※ 1차 미분 필터링

- void getDerivKernels(OutputArray kx, OutputArray ky, int dx, int dy, int ksize, bool normalize=false, int ktype= CV_32F)

: 영상에서 미분을 계산하기 위한 ksize*1 크기의 선형 마스크를 kx와 ky에 저장한다. dx와 dy는 행과 열의 미분계수인데 보통 1이 들어간다. ksize는 커널의 크기로 ksize=CV_SCHARR(-1)이면 Scharr 3*3 커널이 생성되고 ksize=1,3,5,7 이면 Sobel 커널이 생성된다. setFilter2D 함수에서 생성된 커널을 사용하여 필터링할 수 있고 2D 필터는 ky*kx.t() 로 얻을 수 있다.

- void Sobel(InputArray src, OutputArray dst, int ddepth, int dx, int dy, int ksize=3, double scale=1, double delta =0, int borderType=BORDER_DEFAULT)

: src에 Sobel 마스크를 적용하여 dst에 저장한다. dx와 dy는 행과 열에 대한 미분 차수이고 ksize는 소벨 윈도우 마스크의 크기를 말한다. 만약 dx=1, dy=0 이면 x 방향 마스크가 되고 dx=0, dy=1이면 y방향 마스크가 된다. ksize가 -1 이면 Scharr 3*3 마스크가 적용된다. 

- void Scharr(InputArray src, OutputArray dst, int ddepth, int dx, int dy, double scale=1, double delta=0, int borderType=BORDER_DEFAULT)

: src에 Scharr 마스크를 적용하여 dst에 저장한다. 

※ 2차 미분 필터링

- void Laplacian(InputArray src, OutputArrya dst, int ddepth, int ksize=1, doule scale=1, double delta=0, int borderType=BORDER_DEFAULT)

: src에 대해서 라플라시안 마스크를 적용한 후 dst에 저장한다.

- LoG(Laplacian of Gaussian) 필터링

: 라플라시안 마스크는 잡음에 상당히 민감하다. 그래서 잡음을 줄이기 위해서 가우시안 마스크로 스무딩을 하여 잡음 제거 후 라플라시안을 적용할 수 있다. 이렇게 가우시안 마스크와 라플라시안을 같이 계산한 게 LoG 필터링이다. 에지는 LoG 필터링된 결과에서 0-교차하는 위치이다. 0-교차는 자신과 옆 픽셀의 곱이 마이너스 인 것을 말한다. 다음은 LoG(x,y)를 계산하는 수식이다.

#include "opencv2\opencv.hpp"
using namespace cv;
using namespace std;
void ZeroCrossing(Mat &src, Mat &dst, int threshold);
int main()
{
	Mat srcImage = imread("lena.jpg", IMREAD_GRAYSCALE);
	if (srcImage.empty())
		return -1;

	const int ksize = 9;
	float logArr[ksize*ksize];
	int   s, t, k = 0;
	float g;
	float sigma= 0.3f*(ksize/2-1.0f) + 0.8f;
	for (s = -ksize / 2; s <= ksize / 2; s++)    //LoG 필터 마스크 생성
		for (t = -ksize / 2; t <= ksize / 2; t++)
		{
			g = exp(-((float)s*s + (float)t*t) / (2 * sigma*sigma));
			g *= (1 - ((float)s*s + (float)t*t) / (2 * sigma*sigma));
			g /= (3.141592f*sigma*sigma*sigma*sigma);
			logArr[k++] = -g;
		}
	Mat logKernel(ksize, ksize, CV_32F, logArr);

	Mat logImage;
	filter2D(srcImage, logImage, CV_32F, logKernel);

	Mat dstImage;
	ZeroCrossing(logImage, dstImage, 1);     //0-교차점 탐색 후 에지 검출

	imshow("dstImage", dstImage);
	waitKey();
	return 0;
}
void ZeroCrossing(Mat &src, Mat &dst, int th)
{
	int x, y;
	double a, b;

	Mat zeroCrossH(src.size(), CV_32F, Scalar::all(0));
	Mat_<float> _src(src);
	for (y = 1; y<src.rows - 1; y++)           //가로 방향으로 0교차점 탐색
		for (x = 1; x<src.cols - 1; x++)
		{
			a = _src(y, x);
			b = _src(y, x + 1);
			if (a == 0)
				a = _src(y, x - 1);
			if (a*b < 0)
				zeroCrossH.at<float>(y, x) = fabs(a) + fabs(b);
			else
				zeroCrossH.at<float>(y, x) = 0;
		}

	Mat zeroCrossV(src.size(), CV_32F, Scalar::all(0));
	for (y = 1; y<src.rows - 1; y++)            //세로 방향으로 0교차점 탐색
		for (x = 1; x<src.cols - 1; x++)
		{
			a = _src(y, x);
			b = _src(y + 1, x);
			if (a == 0)
				a = _src(y - 1, x);
			if (a*b < 0)
				zeroCrossV.at<float>(y, x) = fabs(a) + fabs(b);
			else
				zeroCrossV.at<float>(y, x) = 0;
		}
	Mat zeroCross(src.size(), CV_32F, Scalar::all(0));
	add(zeroCrossH, zeroCrossV, zeroCross);
	threshold(zeroCross, dst, th, 255, THRESH_BINARY);
}