Sobel算子和Scharr算子

代码思路：高斯平滑-转换为灰度图-求梯度x和y-混合xy图像得到振幅图像

1、 convertScaleAbs(InputArray src, OutputArray dst,double alpha = 1, double beta = 0)

实现功能：

在这里使用其求截断的绝对值，同时可以截断超出0和255的部分

2、addweighted(src1,weight1,src2,weight2,gama,dst)

#include <opencv2/opencv.hpp>
#include <iostream>
# include <math.h>

using namespace cv;
int main(int argv, char** agrc) {
	Mat src, dst;
	src = imread("../../../lena.jpg");
	if (!src.data) {
		printf("coulde not load image");
		return -1;
	}
	namedWindow("input_image", CV_WINDOW_AUTOSIZE);
	imshow("input_image", src);
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	//转换为灰度图
	Mat src_gray;
	cvtColor(src, src_gray, CV_BGR2GRAY);
	imshow("src_gray", src_gray);
	
	Mat x_grad, y_grad;
	//Sobel参数中第三个参数表示输出图像的深度，只能大于等于输入图像的深度，-1表示深度等于输入图像
	//S表示signed int，U表示unsigned int，F表示float
	//Sobel的第四个参数为1表示对x方向求导数
	Sobel(src_gray, x_grad, CV_16S, 1, 0, 3);
	Sobel(src_gray, y_grad, CV_16S, 0, 1, 3);

	//求导之后不一定是正数，所以都要转换为正数，这一步需要注意
	convertScaleAbs(x_grad, x_grad);
	convertScaleAbs(y_grad, y_grad);

	imshow("x_gray", x_grad);
	imshow("y_gray", y_grad);

	Mat xy_grad;
	//addweighted(src1,weight1,src2,weight2,gama,dst)
	addWeighted(x_grad, 0.5, y_grad, 0.5, 0, xy_grad);
	imshow("xy_gray", xy_grad);
	waitKey(0);
	return 0;
}

输出：

 使用像素操作直接叠加x梯度方向和y梯度方向图像

#include <opencv2/opencv.hpp>
#include <iostream>
# include <math.h>

using namespace cv;
int main(int argv, char** agrc) {
	Mat src, dst;
	src = imread("../../../lena.jpg");
	if (!src.data) {
		printf("coulde not load image");
		return -1;
	}
	namedWindow("input_image", CV_WINDOW_AUTOSIZE);
	imshow("input_image", src);
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	//转换为灰度图
	Mat src_gray;
	cvtColor(src, src_gray, CV_BGR2GRAY);
	imshow("src_gray", src_gray);
	
	Mat x_grad, y_grad;
	/*Sobel参数中第三个参数表示输出图像的深度，只能大于等于输入图像的深度，-1表示深度等于输入图像
	S表示signed int，U表示unsigned int，F表示float
	Sobel的第四个参数为1表示对x方向求导数*/
	Sobel(src_gray, x_grad, CV_16S, 1, 0, 3);
	Sobel(src_gray, y_grad, CV_16S, 0, 1, 3);

	//求导之后不一定是正数，所以都要转换为正数，这一步需要注意
	convertScaleAbs(x_grad, x_grad);
	convertScaleAbs(y_grad, y_grad);

	imshow("x_gray", x_grad);
	imshow("y_gray", y_grad);

	//Mat xy_grad;
	//addweighted(src1,weight1,src2,weight2,gama,dst)
	//addWeighted(x_grad, 0.5, y_grad, 0.5, 0, xy_grad);

	////直接操作像素，不适用addWeighted()方法

	Mat xy_grad = Mat(x_grad.size(), x_grad.type());
	int width = x_grad.cols;
	int height = x_grad.rows;
	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			//问题？为什么不是x_grad.at<CV_16s>(row, col)
			int xg = x_grad.at<uchar>(row, col);
			int yg = y_grad.at<uchar>(row, col);
			int xy = xg + yg;
			//使用截断函数
			xy_grad.at<uchar>(row, col) = saturate_cast<uchar>(xy);
		}
	}
	imshow("xy_gray", xy_grad);
	waitKey(0);
	return 0;
}

可以发现直接叠加像素值的边缘效果好于各取0.5权重像素值的叠加

下面看一下使用Sharr的效果：

原图：

#include <opencv2/opencv.hpp>
#include <iostream>
# include <math.h>

using namespace cv;
int main(int argv, char** agrc) {
	Mat src, dst;
	src = imread("../../../rabbit.jpg");
	if (!src.data) {
		printf("coulde not load image");
		return -1;
	}
	namedWindow("input_image", CV_WINDOW_AUTOSIZE);
	imshow("input_image", src);
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	//转换为灰度图
	Mat src_gray;
	cvtColor(src, src_gray, CV_BGR2GRAY);
	imshow("src_gray", src_gray);
	
	Mat x_grad, y_grad;
	/*Sobel参数中第三个参数表示输出图像的深度，只能大于等于输入图像的深度，-1表示深度等于输入图像
	S表示signed int，U表示unsigned int，F表示float
	Sobel的第四个参数为1表示对x方向求导数*/

	/*Sobel(src_gray, x_grad, CV_16S, 1, 0, 3);
	Sobel(src_gray, y_grad, CV_16S, 0, 1, 3);*/

	Scharr(src_gray, x_grad, CV_16S, 1, 0);
	Scharr(src_gray, y_grad, CV_16S, 0, 1);



	//求导之后不一定是正数，所以都要转换为正数，这一步需要注意
	convertScaleAbs(x_grad, x_grad);
	convertScaleAbs(y_grad, y_grad);

	imshow("x_gray", x_grad);
	imshow("y_gray", y_grad);

	//Mat xy_grad;
	//addweighted(src1,weight1,src2,weight2,gama,dst)
	//addWeighted(x_grad, 0.5, y_grad, 0.5, 0, xy_grad);

	////直接操作像素，不适用addWeighted()方法

	Mat xy_grad = Mat(x_grad.size(), x_grad.type());
	int width = x_grad.cols;
	int height = x_grad.rows;
	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			//问题？为什么不是x_grad.at<CV_16s>(row, col)
			int xg = x_grad.at<uchar>(row, col);
			int yg = y_grad.at<uchar>(row, col);
			int xy = xg + yg;
			//使用截断函数
			xy_grad.at<uchar>(row, col) = saturate_cast<uchar>(xy);
		}
	}
	imshow("xy_gray", xy_grad);
	waitKey(0);
	return 0;
}

Scharr效果:

Sobel效果：