argv分别为,可执行文件名、读入的原始图像、输出原始图像的灰度值、输出原始图像灰度值沿x轴方向的一阶微分、输出原始图像灰度值沿x轴方向的二阶微分。

#include
#include
#include
#include
#include

#pragma comment( lib, "opencv_highgui243d.lib" ) 
#pragma comment( lib, "opencv_core243d.lib" ) 
#pragma comment( lib, "opencv_ml243d.lib" ) 
#pragma comment( lib, "opencv_imgproc243d.lib" )

int main( int argc, char** argv ) {

int height, width, step, channels;
    uchar *grayData;
   
    uchar grayDataTmp, prev1GrayDataTmp, prev2GrayDataTmp;
   
    int differentialGrayFirstOrder, differentialGraySecondOrder, prevDifferentialGrayFirstOrder;
    int i, j;
   
    FILE *fpGrayOrgn, *fpGrayFirst, *fpGraySecond;
   
    IplImage *grayImg;

//load image in single channel, aka. transform the image to gray (but not save)
    grayImg = cvLoadImage(argv[1], 0);

//exit from failing loading source image
    if (!grayImg)
    {
        printf("Could not load image file: %s", argv[1]);
        exit(1);
    }

//get basic information of the image
    height = grayImg->height;
    width = grayImg->width;
    step = grayImg->widthStep;
    channels = grayImg->nChannels;

//print image on screen and show basic information of the image
    printf("Processing a %dx%d image with %d channels\n", height, width, channels);
    cvNamedWindow ("mineSweeperWindow", CV_WINDOW_AUTOSIZE);
    cvShowImage ("mineSweeperWindow", grayImg);

//exit from file create error
    fpGrayOrgn = fopen(argv[2], "w+");
    if (fpGrayOrgn == NULL)
    {
        printf("File %s create/open error!", argv[2]);
        exit(2);
    }
    fpGrayFirst = fopen(argv[3], "w+");
    if (fpGrayFirst == NULL)
    {
        printf("File %s  create/open error!", argv[3]);
        exit(3);
    }
    fpGraySecond = fopen(argv[4], "w+");
    if (fpGraySecond == NULL)
    {
        printf("File %s create/open error!", argv[4]);
        exit(4);
    }

//move pointer to the start of file
    rewind(fpGrayOrgn);
    rewind(fpGrayFirst);
    rewind(fpGraySecond);

//get every value (in gray) and output to a txt file
    grayData = (uchar *)grayImg->imageData;
    for (i = 0; i < height; ++i)
    {
        for (j = 0; j < width; ++j)
        {
            //get value
            grayDataTmp = grayData[i*step+j];
            fprintf(fpGrayOrgn, "%4d ", grayDataTmp);

//init
            if (0 == j)
            {
                prev1GrayDataTmp = 0;
                prev2GrayDataTmp = 0;
                prevDifferentialGrayFirstOrder = 0;
            }
            //calculate  difference of first-order
            differentialGrayFirstOrder = (int)grayDataTmp - (int)prev1GrayDataTmp;
            fprintf (fpGrayFirst, "%4d", differentialGrayFirstOrder);

//calculate difference of second-order
            differentialGraySecondOrder = differentialGrayFirstOrder - prevDifferentialGrayFirstOrder;
            fprintf (fpGraySecond, "%4d", differentialGraySecondOrder);

//re-assignment
            prevDifferentialGrayFirstOrder = differentialGrayFirstOrder;
            prev2GrayDataTmp = prev1GrayDataTmp;
            prev1GrayDataTmp = grayDataTmp;
        }

//insert a newline
        fprintf(fpGrayOrgn, "\n");
        fprintf(fpGrayFirst, "\n");
        fprintf(fpGraySecond, "\n");
    }

fclose (fpGrayOrgn);
    fclose (fpGrayFirst);
    fclose (fpGraySecond);

//end print process
    cvWaitKey(0);
    cvReleaseImage( &grayImg );
    cvDestroyWindow("mineSwepperWindow");

return ( 0 );
}
【】

http://www.infineon-ecosystem.org/focusnie/blog/13-07/295656_9bd39.html

图像处理之基础---基于opencv的灰度图像微分的更多相关文章

  1. Python图像处理丨基于OpenCV和像素处理的图像灰度化处理

    摘要:本篇文章讲解图像灰度化处理的知识,结合OpenCV调用cv2.cvtColor()函数实现图像灰度操作,使用像素处理方法对图像进行灰度化处理. 本文分享自华为云社区<[Python图像处理 ...

  2. 图像处理基础(2):自适应中值滤波器(基于OpenCV实现)

    本文主要介绍了自适应的中值滤波器,并基于OpenCV实现了该滤波器,并且将自适应的中值滤波器和常规的中值滤波器对不同概率的椒盐噪声的过滤效果进行了对比.最后,对中值滤波器的优缺点了进行了总结. 空间滤 ...

  3. 基于Opencv的简单图像处理

    实验环境 本实验均在笔记本电脑完成,电脑的配置如表1所示: 系统 Windows 10 家庭版 处理器 英特尔 Core i5-6200 @ 2.30GHz 双核 主板 宏碁 Zoro_SL 内存 1 ...

  4. 基于Opencv和Mfc的图像处理增强库GOCVHelper(索引)

    GOCVHelper(GreenOpen Computer Version Helper )是我在这几年编写图像处理程序的过程中积累下来的函数库.主要是对Opencv的适当扩展和在实现Mfc程序时候的 ...

  5. 基于 opencv 的图像处理入门教程

    前言 虽然计算机视觉领域目前基本是以深度学习算法为主,但实际上很多时候对图片的很多处理方法,并不需要采用深度学习的网络模型,采用目前成熟的图像处理库即可实现,比如 OpenCV 和 PIL ,对图片进 ...

  6. 基于OpenCV的火焰检测(一)——图像预处理

    博主最近在做一个基于OpenCV的火焰检测的项目,不仅可以检测图片中的火焰,还可以检测视频中的火焰,最后在视频检测的基础上推广到摄像头实时检测.在做这个项目的时候,博主参考了很多相关的文献,用了很多种 ...

  7. OpenCV2学习笔记(十四):基于OpenCV卡通图片处理

    得知OpenCV有一段时间.除了研究的各种算法的内容.除了从备用,据导游书籍和资料,尝试结合链接的图像处理算法和日常生活,第一桌面上(随着摄像头)完成了一系列的视频流处理功能.开发平台Qt5.3.2+ ...

  8. 基于 OpenCV 的人脸识别

    基于 OpenCV 的人脸识别 一点背景知识 OpenCV 是一个开源的计算机视觉和机器学习库.它包含成千上万优化过的算法,为各种计算机视觉应用提供了一个通用工具包.根据这个项目的关于页面,OpenC ...

  9. Canny边缘检测算法(基于OpenCV的Java实现)

    目录 Canny边缘检测算法(基于OpenCV的Java实现) 绪论 Canny边缘检测算法的发展历史 Canny边缘检测算法的处理流程 用高斯滤波器平滑图像 彩色RGB图像转换为灰度图像 一维,二维 ...

随机推荐

  1. RNN,LSTM,GRU基本原理的个人理解

    记录一下对RNN,LSTM,GRU基本原理(正向过程以及简单的反向过程)的个人理解 RNN Recurrent Neural Networks,循环神经网络 (注意区别于recursive neura ...

  2. 使用webpack搭建react项目 webpack-react-project

    webpack-react-project 使用webpack搭建react项目 webpack搭建react项目 github源码 具体配置信息参照package.json和webpack.conf ...

  3. 笔试算法题(47):简介 - B树 & B+树 & B*树

    B树(B-Tree) 1970年由R. Bayer和E. Mccreight提出的一种适用于外查找的树,一种由BST推广到多叉查找的平衡查找树,由于磁盘的操作速度远小于存储器的读写速度,所以要求在尽量 ...

  4. C++ typedef用法小结 (转载)

    声明:本文转自charley_yang,点击此处查看原文 第一.四个用途 用途一: 定义一种类型的别名,而不只是简单的宏替换.可以用作同时声明指针型的多个对象.比如:char* pa, pb; // ...

  5. 使用TensorRT加速yolo3

    一.TensorRT支持的模型: TensorRT 直接支持的model有ONNX.Caffe.TensorFlow,其他常见model建议先转化成ONNX.总结如下: 1 ONNX(.onnx) 2 ...

  6. 数据结构代码实现之队列的链表实现(C/C++)

    上班闲着无聊,一直想着要开始写博客,但又不知道写什么.最近又回顾了下数据结构的知识,那就从数据结构开始吧. 前言 关于C语言结构体的知识以及队列的特性请读者自行了解,此处不做过多解释,嘻嘻. 同时此篇 ...

  7. Quartz--Trigger

    TriggerQuartz中的触发器,用来告诉调度程序什么时候触发,即Trigger对象是用来触发Job的 触发器通用属性 JobKey StartTime EndTimeJobKey表示job实例的 ...

  8. 集训第四周(高效算法设计)B题 (二分查找优化题)

    ---恢复内容开始--- Description   Before the invention of book-printing, it was very hard to make a copy of ...

  9. Linux学习笔记02

    1.文件处理命令:touch touch [文件目录][文件名] 如:touch /tmp/jiejie/jiejie.conf2.文件处理命令:cat cat 参数[文件目录][文件名]//显示文件 ...

  10. [luoguP1042] 乒乓球(模拟)

    传送门 终于过了这sb题了. 当初我连这道题都A不了(╯▔皿▔)╯ 代码 #include <cstdio> #include <iostream> #define N 100 ...