高斯拉普拉斯 (LoG) 斑点检测器 c++

Question

我正在编写一个基于 LoG 的斑点检测器。我正在使用 openCV 库。任务是检测黑暗背景上的光圈。图片类型CV_8UC1

原图（故意噪音）

这一切都始于这样一个事实：由于某种原因，最小响应是由半径比所需圆本身更大的斑点给出的。我发现错误在于匹配

cv::GaussianBlur

和

cv::Laplacian

内核的大小。 例如，第一张图片包含所有找到的斑点（经过排序以消除误报），第二张图片是响应最小的废弃斑点。为了找到不同大小的斑点，我使用 cv::pyrDown 尺度金字塔和 LoG sigma^2 响应归一化。

从文档中我不明白应该在函数参数中指定什么尺寸 - 机翼的尺寸还是核心的实际尺寸。例如，如果我在参数中指定 ksize = 5。高斯核的大小会等于5吗？根据公式 2*n + 1，拉普拉斯核的大小将等于 11？

我试图通过获得原子核来寻找答案。也就是说，我使用了函数 cv::getGaussianKernel 和 cv::getDerivKernels。但由于某种原因，将 cv::Laplacian 应用于生成的高斯核的结果给出了略有不同的结果。也就是说，在使用 cv::GaussianBlur 和 cv::Laplacian 的情况下，我在点 [155, 710] 处收到了最小响应，其值为 -144004136960.000000，而在使用 cv::getGaussianKernel 的情况下和 cv:: 我收到的拉普拉斯最小响应位于点 [155, 710]，值为 -9097119744.000000。我使用相同的核心尺寸。我将 cv::getGaussianKernel 获得的内核乘以转置内核，因为 cv::getGaussianKernel 函数给出一维内核。

我不明白这种行为的原因。

第一幅图像是使用经典方法获得的，而第二幅图像是通过对 cv::getGaussianKernel 获得的高斯核应用 cv::Laplacian 获得的。

这就是使用 cv::getGaussianKernel 查找高斯核时 LoG 的样子。

接下来我尝试获取拉普拉斯核。为此我使用了

 cv::getDerivKernels(sobelKernelX, sobelKernelY, 2, 2, kernelsizes);
 cv::Mat sobelKernel = sobelKernelX * sobelKernelX.t() + sobelKernelY * sobelKernelY.t();

但是我得到了一个非常糟糕且不正确的结果。

这就是 LoG 的样子。

 //values used
 double sigmakz = 3.2;
 int kernelsizes = static_cast<int>(6*sigmakz);
 
 //classic version
 image.convertTo(temprrrr_reverse, CV_32F);
 cv::GaussianBlur(temprrrr_reverse, tryinguff, cv::Size(kernelsizes, kernelsizes), sigmakz);
 cv::Laplacian(tryinguff, outtt, CV_32F, kernelsizes);

 //option to obtain a Gaussian kernel
 cv::Mat gausKernel = cv::getGaussianKernel(kernelsizes, sigmakz, CV_32F);
 cv::Mat temprrrr = gausKernel * gausKernel.t();
 cv::Mat smth;
 cv::Laplacian(temprrrr, smth, CV_32F, kernelsizes);
 cv::Mat hrrr;
 cv::filter2D(image, hrrr, CV_32F, smth);

 //option to obtain the kernel of the second derivative
 cv::Mat sobelKernelX;
 cv::Mat sobelKernelY;
 cv::getDerivKernels(sobelKernelX, sobelKernelY, 2, 2, kernelsizes);

 cv::Mat sobelKernel = sobelKernelX * sobelKernelX.t() + sobelKernelY * sobelKernelY.t();

 cv::Mat tryinguff;
 //temprr = gausKernel * gausKernel.t();
 cv::filter2D(temprrrr, tryinguff, CV_32F, sobelKernel);

 cv::Mat outtt;
 cv::filter2D(image, outtt, CV_32F, tryinguff);

主要问题是如何从技术角度正确协调核心尺寸？我应该在拉普拉斯和高斯的 ksize 参数中指定什么值？

Answer 1

Переформулируйте свой вопрос！

Вопрос надо переформулировать！

Вопросы？ Вопросы？