OpenCV中“高斯差”的实现

Question

对于一个项目，我试图从图像中提取相当暗淡的轮廓。在玩 GIMP 时，我找到了一种方法，可以使用半径 1=1 和半径 2=25（甚至更大）的“高斯差”精美地提取和阈值这些轮廓。但是，当尝试在 OpenCV 中重新实现此工作流程时，我的结果不如 GIMP（较暗，较不清晰）： Difference in DoG Implementation OpenCV vs. GIMP

我浏览了 GIMPs 源代码，发现在最新版本（我正在使用）中有两种 DoG 实现。我使用的是基于GEGL的非旧版，源代码可以在here找到。

我按照here的实现：

{
  Mat g1, g2, result;
  GaussianBlur(input, g1, Size(0, 0), gaussian1, gaussian1);
  GaussianBlur(input, g2, Size(0, 0), gaussian2, gaussian2);
  cv::subtract(g1, g2, result);
  return result;
}

如您所见，我的实现和 GEGL 的实现在表面上是相同的，但结果却大不相同。 我已经尝试过使用 cv::equalizeHist() 来增强结果的对比度，但这也没有产生任何可用的东西。

我很乐意感谢您对这里发生的事情的任何想法。 谢谢！

Answer 1

感谢@xenoid 的指针，我找到了（部分）实现我想要的方法。

我现在所做的是从上面获取 Codesn-p，然后简单地将 Mat result 乘以一个因子。 完整代码n-p：

cv::Mat differenceOfGaussians(cv::Mat input, int gaussian1, int gaussian2)
{
  Mat g1, g2, result;
  GaussianBlur(input, g1, Size(0, 0), gaussian1, gaussian1);
  GaussianBlur(input, g2, Size(0, 0), gaussian2, gaussian2);
  cv::subtract(g1, g2, result);
  result = result * gammaInt;
  return result;
}

gammaInt 是一个通过滑块控制的全局 int 变量。 可以在此处找到结果（通过相机本身进行一些对比度放大以获得更好的图像）：DoG with linear amplification