OpenCV图像边缘检测（sobel算法）

一、sobel算法简介
  索贝尔算子（Sobel operator）主要用作边缘检测，它是一离散性差分算子，它结合了高斯平滑和微分求导，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量。
  Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。

二、sobel算法的计算过程
1、假设Sobel卷积因子为：

2、上面的算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：

3、图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小，如果梯度G大于某一阀值 则认为该点(x,y)为边缘点：

4、用以下公式计算梯度方向：

三、OpenCV中Sobel( )函数解析
函数的格式如下：
void Sobel (
    InputArray src,//输入图
    OutputArray dst,//输出图
     int ddepth,//输出图像的深度
     int dx,
     int dy,
     int ksize=3,
    double scale=1,
     double delta=0,
    int borderType=BORDER_DEFAULT );

  第一个参数，InputArray 类型的src，为输入图像。
  第二个参数，OutputArray类型的dst，为目标图像，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（dst）之前可选的delta值，有默认值0。
  第九个参数， int类型的borderType，边界模式，默认值为BORDER_DEFAULT。

四、sobel算法实例
1、代码

 #include <opencv2/opencv.hpp>  
#include<opencv2/highgui/highgui.hpp>  
#include<opencv2/imgproc/imgproc.hpp>  

using namespace cv;

int main()
{
    //【0】创建 grad_x 和 grad_y 矩阵  
    Mat grad_x, grad_y;
    Mat abs_grad_x, abs_grad_y, dst;

    //【1】载入原始图    
    Mat src = imread("1.jpg");  

    //【2】显示原始图   
    imshow("【原始图】sobel边缘检测", src);

    //【3】求 X方向梯度  
    Sobel(src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT);
    convertScaleAbs(grad_x, abs_grad_x);
    imshow("【效果图】 X方向Sobel", abs_grad_x);

    //【4】求Y方向梯度  
    Sobel(src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT);
    convertScaleAbs(grad_y, abs_grad_y);
    imshow("【效果图】Y方向Sobel", abs_grad_y);

    //【5】合并梯度(近似)  
    addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);
    imshow("【效果图】整体方向Sobel", dst);

    waitKey(0);
    return 0;
}

2、运行结果
（1）原图：

（2）X方向的sobel：

（3）Y方向的sobel：

（4）整体方向的sobel：