OpenCV学习Sobel 导数

int main(int, char** argv)
{
	Mat src, src_gray;
	Mat grad;
	const char* window_name = "Sobel Demo - Simple Edge Detector";
	int scale = 1;
	int delta = 0;
	int ddepth = CV_16S;//输出图像的深度，设定为 CV_16S 避免外溢。
	src = imread("C:/Users/dell/Desktop/1.jpg");
	if (src.empty())
	{
		return -1;
	}
	//GaussianBlur(InputArray src,OutputArray dst,Size ksize,double sigmaX,double sigmaY = 0,int borderType = BORDER_DEFAULT)
	GaussianBlur(src, src, Size(3, 3), 0, 0, BORDER_DEFAULT);
	cvtColor(src, src_gray, COLOR_RGB2GRAY);
	namedWindow(window_name, WINDOW_AUTOSIZE);
	Mat grad_x, grad_y;
	Mat abs_grad_x, abs_grad_y;

	//Sobel	(InputArray src,OutputArray dst,int ddepth,int dx,int dy,int ksize = 3,double scale = 1,double delta = 0,int borderType = BORDER_DEFAULT)
	//求 X方向梯度
	//当内核大小为 3 时, 以上Sobel内核可能产生比较明显的误差(毕竟，Sobel算子只是求取了导数的近似值)。 
	//为解决这一问题，OpenCV提供了 Scharr 函数，但该函数仅作用于大小为3的内核。该函数的运算与Sobel函数一样快，但结果却更加精确，
	//Scharr( src_gray, grad_x, ddepth, 1, 0, scale, delta, BORDER_DEFAULT );
	Sobel(src_gray, grad_x, ddepth, 1, 0, 3, scale, delta, BORDER_DEFAULT);
	
	convertScaleAbs(grad_x, abs_grad_x);
	imshow("x", abs_grad_x);

	Sobel(src_gray, grad_y, ddepth, 0, 1, 3, scale, delta, BORDER_DEFAULT);
	
	//convertScaleAbs(InputArray src,OutputArray dst,double alpha = 1,double beta = 0)
	convertScaleAbs(grad_y, abs_grad_y);
	imshow("y", abs_grad_y);
	
	//addWeighted(InputArray src1,double alpha,InputArray src2,double beta,double gamma,OutputArray dst,int dtype = -1)
	//合并梯度(近似)
	addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad);
	imshow(window_name, grad);
	waitKey(0);
	return 0;
}