首页 / JAVASCRIPT / javascript图像处理—边缘梯度计算函数_javascript技巧

javascript图像处理—边缘梯度计算函数_javascript技巧

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了javascript图像处理—边缘梯度计算函数_javascript技巧，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4335字，纯文字阅读大概需要7分钟。

内容图文

前言

上一篇文章，我们讲解了图像处理中的膨胀和腐蚀函数，这篇文章将做边缘梯度计算函数。

图像的边缘

图像的边缘从数学上是如何表示的呢？

javascript图像处理—边缘梯度计算函数_javascript技巧 - 文章图片

图像的边缘上，邻近的像素值应当显著地改变了。而在数学上，导数是表示改变快慢的一种方法。梯度值的大变预示着图像中内容的显著变化了。

用更加形象的图像来解释,假设我们有一张一维图形。下图中灰度值的“跃升”表示边缘的存在：

　　　　javascript图像处理—边缘梯度计算函数_javascript技巧 - 文章图片

使用一阶微分求导我们可以更加清晰的看到边缘“跃升”的存在(这里显示为高峰值)：

　　　　javascript图像处理—边缘梯度计算函数_javascript技巧 - 文章图片

由此我们可以得出：边缘可以通过定位梯度值大于邻域的相素的方法找到。

近似梯度

比如内核为3时。

首先对x方向计算近似导数：

javascript图像处理—边缘梯度计算函数_javascript技巧 - 文章图片

然后对y方向计算近似导数：

javascript图像处理—边缘梯度计算函数_javascript技巧 - 文章图片

然后计算梯度：

javascript图像处理—边缘梯度计算函数_javascript技巧 - 文章图片

当然你也可以写成：

javascript图像处理—边缘梯度计算函数_javascript技巧 - 文章图片

函数实现
代码如下:

var Sobel = function(__src, __xorder, __yorder, __size, __borderType, __dst){
(__src && (__xorder ^ __yorder)) || error(arguments.callee, IS_UNDEFINED_OR_NULL/* {line} */);
if(__src.type && __src.type === "CV_GRAY"){
var kernel1,
kernel2,
height = __src.row,
width = __src.col,
dst = __dst || new Mat(height, width, CV_16I, 1),
dstData = dst.data
size = __size || 3;
switch(size){
case 1:
size = 3;
case 3:
if(__xorder){
kernel = [-1, 0, 1,
-2, 0, 2,
-1, 0, 1
];
}else if(__yorder){
kernel = [-1, -2, -1,
, 0, 0,
, 2, 1
];
}
break;
case 5:
if(__xorder){
kernel = [-1, -2, 0, 2, 1,
-4, -8, 0, 8, 4,
-6,-12, 0,12, 6,
-4, -8, 0, 8, 4,
-1, -2, 0, 2, 1
];
}else if(__yorder){
kernel = [-1, -4, -6, -4, -1,
-2, -8,-12, -8, -2,
, 0, 0, 0, 0,
, 8, 12, 8, 2,
, 4, 6, 4, 1
];
}
break;
default:
error(arguments.callee, UNSPPORT_SIZE/* {line} */);

}

GRAY216IC1Filter(__src, size, height, width, kernel, dstData, __borderType);

}else{
error(arguments.callee, UNSPPORT_DATA_TYPE/* {line} */);
}
return dst;
};

这里只提供了内核大小为3和5的Sobel算子，主要原因是7或以上的内核计算就比较慢了。
输出一个单通道的16位有符号整数矩阵。
代码如下:

function GRAY216IC1Filter(__src, size, height, width, kernel, dstData, __borderType){
var start = size >> 1;

var withBorderMat = copyMakeBorder(__src, start, start, 0, 0, __borderType);

var mData = withBorderMat.data,
mWidth = withBorderMat.col;

var i, j, y, x, c;
var newValue, nowX, offsetY, offsetI;

for(i = height; i--;){
offsetI = i * width;
for(j = width; j--;){
newValue = 0;
for(y = size; y--;){
offsetY = (y + i) * mWidth;
for(x = size; x--;){
nowX = x + j;
newValue += (mData[offsetY + nowX] * kernel[y * size + x]);
}
}
dstData[j + offsetI] = newValue;
}
}
}

然后把内核和矩阵交给这个滤波器处理，就OK了。

把这个滤波器独立出来的原因是，可以给其他类似的计算边缘函数使用，比如Laplacian和Scharr算子。

转为无符号8位整数

由于Sobel算子算出来的是16位有符号整数，无法显示成图片，所以我们需要一个函数来将其转为无符号8位整数矩阵。

convertScaleAbs函数是将每个元素取绝对值，然后放到Int8Array数组里面，由于在赋值时候大于255的数会自动转成255，而小于0的数会自动转成0，所以不需要我们做一个函数来负责这一工作。

代码如下:

function convertScaleAbs(__src, __dst){
__src || error(arguments.callee, IS_UNDEFINED_OR_NULL/* {line} */);
var height = __src.row,
width = __src.col,
channel = __src.channel,
sData = __src.data;

if(!__dst){
if(channel === 1)
dst = new Mat(height, width, CV_GRAY);
else if(channel === 4)
dst = new Mat(height, width, CV_RGBA);
else
dst = new Mat(height, width, CV_8I, channel);
}else{
dst = __dst;
}

var dData = dst.data;

var i, j, c;

for(i = height; i--;){
for(j = width * channel; j--;){
dData[i * width * channel + j] = Math.abs(sData[i * width * channel + j]);
}
}

return dst;
}
按比例合并值

我们还需要一个函数将x方向梯度计算值和y方向梯度计算值叠加起来。

代码如下:

var addWeighted = function(__src1, __alpha, __src2, __beta, __gamma, __dst){
(__src1 && __src2) || error(arguments.callee, IS_UNDEFINED_OR_NULL/* {line} */);
var height = __src1.row,
width = __src1.col,
alpha = __alpha || 0,
beta = __beta || 0,
channel = __src1.channel,
gamma = __gamma || 0;
if(height !== __src2.row || width !== __src2.col || channel !== __src2.channel){
error(arguments.callee, "Src2 must be the same size and channel number as src1!"/* {line} */);
return null;
}

if(!__dst){
if(__src1.type.match(/CV\_\d+/))
dst = new Mat(height, width, __src1.depth(), channel);
else
dst = new Mat(height, width, __src1.depth());
}else{
dst = __dst;
}

var dData = dst.data,
s1Data = __src1.data,
s2Data = __src2.data;

var i;

for(i = height * width * channel; i--;)
dData[i] = __alpha * s1Data[i] + __beta * s2Data[i] + gamma;

return dst;
};

这个函数很简单，实际上只是对两个矩阵的对应元素按固定比例相加而已。 效果图

javascript图像处理—边缘梯度计算函数_javascript技巧 - 文章图片

内容总结

以上是互联网集市为您收集整理的javascript图像处理—边缘梯度计算函数_javascript技巧全部内容，希望文章能够帮你解决javascript图像处理—边缘梯度计算函数_javascript技巧所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/315814.html

来源：【匿名】