欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

边缘检测 - Sobel算子

程序员文章站 2024-01-28 09:05:04
...

一. Sobel算子简介

Sobel算子是一个主要用于边缘检测的离散微分算子(discrete differentiation operator)。它结合了高斯平滑和微分求导,用来计算图像灰度函数的近似梯度。
边缘检测 - Sobel算子

二. Sobel算子的计算过程

  1. 分别在 x 和 y 两个方向求导。
    ① 水平变化:将图像与一个奇数大小的内核Gx进行卷积。
    ② 垂直变化:将图像与一个奇数大小的内核Gy进行卷积。
    边缘检测 - Sobel算子
  2. 在图像的每一点,结合以上两个结果求出近似梯度:
    边缘检测 - Sobel算子另外,也可用下面更简单的公式代替:
    边缘检测 - Sobel算子

三. Sobel() 函数介绍

void Sobel(InputArray src, OutputArray dst, int ddepth, int dx, int dy, int ksize=3, double scale=1, double delta=0, intborderType=BORDER_DEFAULT )
  • 第一个参数,InputArray 类型的src,为输入图像,填Mat类型即可。
  • 第二个参数,OutputArray类型的dst,即目标图像,函数的输出参数,需要和源图片有一样的尺寸和类型。
  • 第三个参数,int类型的ddepth,输出图像的深度,支持如下src.depth()和ddepth的组合:
    若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
    若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
    若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
    若src.depth() = CV_64F, 取ddepth = -1/CV_64F
  • 第四个参数,int类型dx,x 方向上的差分阶数。
  • 第五个参数,int类型dy,y方向上的差分阶数。
  • 第六个参数,int类型ksize,有默认值3,表示Sobel核的大小;必须取1,3,5或7。
  • 第七个参数,double类型的scale,计算导数值时可选的缩放因子,默认值是1,表示默认情况下是没有应用缩放的。
  • 第八个参数,double类型的delta,表示在结果存入目标图(第二个参数dst)之前可选的delta值,有默认值0。
  • 第九个参数, int类型的borderType,我们的老朋友了(万年是最后一个参数),边界模式,默认值为BORDER_DEFAULT。

四. 代码演示

int main(int argc, char** argv)
{
	Mat src = imread("E:/Image/hf.png");
	if (src.empty())
	{
		cout << "load image error..." << endl;
		return -1;
	}
	imshow("src img", src);

	GaussianBlur(src, src, Size(3, 3), 0, 0);
	cvtColor(src, src, CV_BGR2GRAY);

	Mat sobel_x, sobel_y;

	// 求X方向梯度
	Sobel(src, sobel_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT);
	//convertScaleAbs(sobel_x, sobel_x);
	imshow("sobel_x", sobel_x);

	// 求Y方向梯度
	Sobel(src, sobel_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT);
	//convertScaleAbs(sobel_y, sobel_y);
	imshow("sobel_y", sobel_y);

	// 合并梯度
	Mat dst;
	addWeighted(sobel_x, 0.5, sobel_y, 0.5, 0, dst);
	imshow("result", dst);

	waitKey(0);
	return 0;
}

结果示例:
边缘检测 - Sobel算子注:

  1. convertScaleAbs() 函数可以实现图像增强,是一个位深转化函数,可将任意类型的数据转化为CV_8UC1。具体数据处理方式如下:
    (1). 对于srcalpha+beta的结果如果是负值且大于-255,则直接取绝对值;
    (2). 对于src
    alpha+beta的结果如果大于255,则取255;
    (3). 对于srcalpha+beta的结果是负值,且小于-255,则取255;
    (4). 对于src
    alpha+beta的结果如果在0-255之间,则保持不变;

  2. addWeighted() 函数是将两张相同大小,相同类型的图片融合的函数。