OpenCV学习笔记（五）之Sobel算子

一. 卷积应用-图像边缘提取

(一). 边缘是什么？

边缘是像素值发生跃迁的位置，是图像的显著特征之一，在图像特征提取，对象检测，模式识别等方面都有重要的作用。

(二). 如何提取边缘？

对图像求一阶导数。一阶导数越大，说明像素在该方向的变化越大，边缘信号越强。

二. Sobel算子

离散微分算子，用来计算图像灰度的近似梯度。
Sobel算子功能集合高斯平滑和微分求导
又被称为一阶微分算子，求导算子，在水平和垂直两个方向上求导，得到图像X方向和Y方向的梯度图像。

X方向

Y方向

改进版的Scharr函数，算子如下：

Scharr函数改进算子

三. Sobel算子API：

cv::Sobel(
    InputArray src,         //输入图像
    OutputArray dst,        //输出图像，大小与输入图像一致
    int depth,              //输出图像深度
    int dx,                 //X方向，几阶导数
    int dy,                 //Y方向，几阶导数
    int ksize,              //Sobel算子kernel大小，必须是1,3,5，7
    doublle scale = 1,  
    double delta = 0.
    int borderType = BORDER_DEFAULT
)

输出图像的深度至少是跟输入图像持平的。
cv::Scharr的参数与Sobel相同。

四. 下面是代码：

Sobel算子的算法实现

/*****Sobel算子*****/

#include<iostream>
#include<opencv2/opencv.hpp>
#include<string>
using namespace std;

string in_title = "input image";
string ou_title = "output image";
int main() {
    cv::Mat src, dst;
    src = cv::imread("1.jpg");
    cv::namedWindow(in_title, cv::WINDOW_NORMAL);
    cv::imshow(in_title, src);

    cv::Mat gray_src;
    //先高斯模糊
    cv::GaussianBlur(src, dst, cv::Size(3, 3), 0, 0);
    //再转成灰度图
    cv::cvtColor(dst, gray_src, cv::COLOR_BGR2GRAY);
    cv::imshow("gray image", gray_src);

    cv::Mat xgrad, ygrad;
    //Sobel
    //cv::Sobel(gray_src, xgrad, CV_16S, 1, 0, 3);
    //cv::Sobel(gray_src, ygrad, CV_16S, 0, 1, 3);
    //Scharr
    cv::Scharr(gray_src, xgrad, CV_16S, 1, 0, 3);
    cv::Scharr(gray_src, ygrad, CV_16S, 0, 1, 3);
    //将负值转正
    cv::convertScaleAbs(xgrad, xgrad);
    cv::convertScaleAbs(ygrad, ygrad);

    cv::namedWindow("xgrad", cv::WINDOW_NORMAL);
    cv::namedWindow("ygrad", cv::WINDOW_NORMAL);

    cv::imshow("xgrad", xgrad);
    cv::imshow("ygrad", ygrad);

    cv::Mat xygrad;
    xygrad = cv::Mat(xgrad.size(), xgrad.type());
    //用每个像素直接进行计算
    int width = xgrad.cols;
    int height = xgrad.rows;
    for (int row = 0; row < height; ++row) {
        for (int col = 0; col < width; ++col) {
            int xg = xgrad.at<uchar>(row, col);
            int yg = ygrad.at<uchar>(row, col);
            int xy = xg + yg;
            xygrad.at<uchar>(row, col) = cv::saturate_cast<uchar>(xy);
        }
    }
    //或者使用权重函数相加
    //cv::addWeighted(xgrad, 0.5, ygrad, 0.5, 0, xygrad);
    cv::namedWindow("xygrad", cv::WINDOW_NORMAL);
    cv::imshow("xygrad", xygrad);

    cv::waitKey(0);
    return 0;
}

关注公号【开发小鸽】，获取海量计算机视觉与深度学习资源，实战项目源码，最新论文下载，大厂面试经验！！！