数字图像处理-3.7混合空间增强法-骨骼图 基于opencv3.4.3的实现

基于opencv3.4.3的，冈萨雷斯的《数字图像处理》第三章3.7小节混合空间增强法的实现。欢迎大家拍砖，以求斧正！o(*￣︶￣*)o 若下载代码的话，记得改一下图片路径，我没做图片是否为空的判断，直接运行，图片路径不对的话，会报错的。

#include 
#include 
#include 
using namespace cv;
using namespace std;
int main（）
{
	Mat src = imread（“D:/Image/bone.tif“IMREAD_GRAYSCALE）;
	imshow（“src_a“ src）;
	Mat laplace laplaceAddsrc;

	//卷积核：laplace锐化
	Mat kernel_laplace = （Mat_（3 3） << -1 -1 -1 -1 8 -1 -1 -1 -1）;
	filter2D（src laplace CV_8U kernel_laplace）;
	imshow（“b_laplace“ laplace）;

	//原图与laplace锐化结果相加得图c，突出边缘
	add（src laplace laplaceAddsrc）;
	imshow（“c_added“ laplaceAddsrc）;

	//计算原图的Sobel梯度，得图d，sobel虽然本身能抑制噪声，但效果不是特别好，sobel的结果图中，仍有许多噪声
	Mat  sobel gx gy;
	Sobel（src gx CV_8U 1 0 3 1.0 0.0 BORDER_DEFAULT）;
	Sobel（src gy CV_8U 0 1 3 1.0 0.0 BORDER_DEFAULT）;
	convertScaleAbs（gx gx）;
	convertScaleAbs（gy gy）;
	add（gx gy sobel）;
	convertScaleAbs（sobel sobel）;
	imshow（“d_sobel“ sobel）;

	//5*5的均值滤波，模糊原图，原图的噪点被有效抑制了，同时也磨掉了原图的边缘
	Mat blured blur_sobelmulty;
	blur（src blured Size（5 5） Point（-1 -1））;
	//滤波后再用sobel，得到的是图像的大致的边缘，相比图d，图e就干净了很多，没那么多噪点
	Sobel（blured gx CV_8U 1 0 3 1.0 0.0 BORDER_DEFAULT）;
	Sobel（blured gy CV_8U 0 1 3 1.0 0.0 BORDER_DEFAULT）;
	convertScaleAbs（gx gx）;
	convertScaleAbs（gy gy）;
	add（gx gy blur_sobel）;
	imshow（“e_sobelAfterBlur“ blur_sobel）;

	//与操作，用laplace增强过的图c和图f做与操作，综合laplace和滤波后的sobel的效果，
	//对比图f和图b，图f过滤掉了噪声，留下被5*5均值滤波滤掉的边缘细节。这里的边缘细节在laplace的作用下，被增强了
	Mat f g;
	bitwise_and（laplaceAddsrc blur_sobel f）;
	imshow（“f“ f）;

	//原图和f相加，用提取出的增强的边缘，作用在原图上，相比laplace，仅对骨骼和人体的边缘做了增强。突出了骨骼和人体的部分。
	//laplace对噪声敏感，它不仅会增强突出边缘，也会增强噪点。
	add（src f g）;
	imshow（“g“ g）;
	//效果图，自加一次，增强。冈萨雷斯里面是做幂律变换，我没做，只是做了个简单的增强，看着玩。
	add（g gg）;
	imshow（“h“ g）;
	imwrite（“D:/Image/bone1.tif“ g）;

	waitKey（）;
	return 0;
}

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2116  2018-12-07 10:36  bone\bone.cpp

     文件     242754  2000-08-13 21:44  bone\bone.tif

     目录          0  2018-12-07 10:37  bone

----------- ---------  ---------- -----  ----

               244870                    3