Sobel算子

admin

卷积应用-图像边缘提取


边缘是什么 – 是像素值发生跃迁的地方，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。
如何捕捉/提取边缘 – 对图像求它的一阶导数
          delta =  f(x) – f(x-1), delta越大，说明像素在X方向变化越大，边缘信号越强，
我已经忘记啦，不要担心，用Sobel算子就好！卷积操作！




Sobel算子


是离散微分算子（discrete differentiation operator），用来计算图像灰度的近似梯度
Soble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方法与Y方向梯度图像


水平梯度

垂直梯度



最终图像梯度






求取导数的近似值，kernel=3时不是很准确，OpenCV使用改进版本Scharr函数，算子如下：







API说明

[C++] 纯文本查看 复制代码

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、
double scale  = 1
double delta = 0
int borderType = BORDER_DEFAULT
)

API说明cv::Scharr

[C++] 纯文本查看 复制代码

cv::Scharr (
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. 
double scale  = 1
double delta = 0
int borderType = BORDER_DEFAULT
)

[C++] 纯文本查看 复制代码

GaussianBlur( src, dst, Size(3,3), 0, 0, BORDER_DEFAULT );
cvtColor( src,  gray, COLOR_RGB2GRAY );
addWeighted( A, 0.5,B, 0.5, 0, AB);
convertScaleAbs(A, B)// 计算图像A的像素绝对值，输出到图像B

[C++] 纯文本查看 复制代码

/*
注意:
图像边缘提取:
处理流程:高斯平滑->转灰度->求梯度x和y->振幅图像

convertScaleAbs(A, B)// 计算图像A的像素绝对值，输出到图像B


*/
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
#define USE_Scharr 0 //如果为1 使用	* opencv 提供的Scharr算法,处理边缘强化,抗干扰能力更强,

int main(int argc, char** argv) {
	Mat src, dst;
	src = imread("D:/IDE/opencv-3.1.0/demo.jpg");
	if (!src.data) {
		printf("加载图片异常\n");
		return -1;
	}
	namedWindow("input", CV_WINDOW_AUTOSIZE);

	Mat gray_src;
	imshow("input", src);
	//高斯模糊
	GaussianBlur(src, gray_src, Size(3, 3), 0, 0);
	//转灰度
	cvtColor(src, gray_src, CV_BGR2GRAY);


	Mat xgrad, ygrad;

#if(USE_Scharr==1)
	{
	
	Scharr(gray_src, xgrad, CV_16S, 1, 0);
	Scharr(gray_src, ygrad, CV_16S, 0, 1);
	}
#else
	{
	//求X梯度
	Sobel(gray_src, xgrad, CV_16S, 1, 0, 3);
	//求Y梯度
	Sobel(gray_src, ygrad, CV_16S, 0, 1, 3);
	//x全部转成正数(计算图像的像素绝对值，输出到图像)

	}
#endif

	convertScaleAbs(xgrad, xgrad);
	//y全部转成正数
	convertScaleAbs(ygrad, ygrad);
	imshow("x梯度", xgrad);
	imshow("y梯度", ygrad);

	//线性融合x,y的梯度
	addWeighted(xgrad, 0.5, ygrad, 0.5, 0, dst);
	imshow("振幅图像", dst);

//-------------------振幅图像造轮子-----------------------------
	Mat xygrad = Mat(xgrad.size(), xgrad.type());
	int width = xgrad.cols;
	int height = ygrad.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) = saturate_cast<uchar> (xy);

		} 

	}
	
	imshow("造轮子_振幅图像", xygrad);
	//-------------------振幅图像造轮子结束-----------------------------



	waitKey(0);
	return 0;
}