【图像处理知识复习】13 Sobel一阶微分算法 C++，Matlab实现

两个模板，分别求水平方向，和竖直方向的梯度信息。

效果如下：

1. Matlab实现：

%一种奇数（3x3）模板下的全方向微分算子。
%%
clc;clear;
f = rgb2gray(imread('D:/Code/Image/classic.jpg'));
figure('name','原图'),imshow(f);
f = double(f);
[row,col] = size(f);

%%
maskx = [-1 -2 -1;0 0 0;1 2 1];
masky = [-1 0 1;-2 0 2;-1 0 1];
g = zeros(row,col);
for i=2:row-1
    for j=2:col-1 %当前像素为i,j
        tempx = sum(sum(maskx.*f(i-1:i+1, j-1:j+1))); 
        tempy = sum(sum(masky.*f(i-1:i+1, j-1:j+1)));
        g(i,j) = round(sqrt(tempx^2+tempy^2));
    end
end

%%
figure('name','多向');
g=mat2gray(g);%将matrix值映射到[0,1]
imshow(g);

2. C++实现：

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

int main()
{
	Mat img = imread("D:/Code/Image/classic.jpg", 0);
	imshow("原图", img);

	Mat mask_vertical = (cv::Mat_<uchar>(3, 3) << -1, -2, -1, 0, 0, 0, 1, 2, 1);
	Mat mask_horizontal = (cv::Mat_<uchar>(3, 3) << -1, 0, 1, -2, 0, 2, -1, 0, 1);
	Mat new_img = Mat::zeros(img.size(), CV_64F);
	for (int i = 2; i < img.rows-2; i++)  // 规定当前像素为中间
	{
		for (int j = 2; j < img.cols-2; j++)
		{
			Mat block = img(Range(i - 1, i + 2), Range(j - 1, j + 2));
			double vertical = block.dot(mask_vertical);
			double horizontal = block.dot(mask_horizontal);
			new_img.at<double>(i, j) = sqrt(pow(vertical, 2) + pow(vertical, 2));
			//cout << new_img.at<double>(i, j) << endl;
		}
	}
	normalize(new_img, new_img, 255, 0, NORM_MINMAX);
	new_img.convertTo(new_img, CV_8UC1);
	imshow("效果图", new_img);
	waitKey(0);
	return 0;
}

知识点：

1）取块操作：

Mat block = img(Range(i - 1, i + 2), Range(j - 1, j + 2));

2）定义3x3模板，并赋值：

Mat mask_vertical = (cv::Mat_<uchar>(3, 3) << -1, -2, -1, 0, 0, 0, 1, 2, 1);

3） 类型问题，点乘再求和后，值会非常大，所以定义double类型，显示时先归一化到0-255，再将类型转化为uchar：

Mat new_img = Mat::zeros(img.size(), CV_64F);

normalize(new_img, new_img, 255, 0, NORM_MINMAX);
new_img.convertTo(new_img, CV_8UC1);
imshow("效果图", new_img);