【opencv-python】Sobel算子说明

Sobel算子主要用于计算图像梯度，其数学表达式为：
$$G_x=\left[\begin{array}{ccc}+1& 0& -1\\ +2& 0& -2\\ +1& 0& -1\end{array}\right]\ast A，G_y=\left[\begin{array}{ccc}+1& +2& +1\\ 0& 0& 0\\ -1& -2& -1\end{array}\right]\ast A$$
梯度大小和梯度方向分别为：
$$\mathrm{G}\text{G}\mathrm{G}=\sqrt{{\mathrm{G}}_{\mathrm{x}}^2+{\mathrm{G}}_{\mathrm{y}}^2},\mathrm{\Theta }\text{Θ}\mathrm{\Theta }=\mathrm{a}\mathrm{t}\mathrm{a}\mathrm{n}2({\mathrm{G}}_{\mathrm{y}},{\mathrm{G}}_{\mathrm{x}})$$

详细说明可见维基百科，其原理如下图所示：
原图像为：

经过Sobel算法运算后的图像为：

可见边缘被明显增强了。对原理进行具体分析，Sobel算子就相当于分别求水平和垂直方向的梯度，而严格意义的梯度是相邻像素之间的灰度差，对Sobel算子来说，以水平方向为例，目标图像的中心像素梯度等于于上下行左右相邻元素灰度差+本行左右像素相邻灰度差的2倍，因此直接反应了小区域内在水平方向的灰度变化情况，且上下行水平方向的相邻像素对最终梯度计算结果也起到了作用，只是权重较少，垂直方向同理，如下图所示：

假如上下两片区域的灰度值下图所示：

橘色区域和绿色区域相连接，梯度方向相同，对与Canny边缘检测功能而言，绿色区域用Sobel算子计算出的梯度值大于橘色区域，因此Canny边缘检测算法只保留绿色区域的中心梯度值。

---

感谢支持，欢迎关注，丰富技术/学术内容持续更新！

opencv-python快速入门视频教程

---