opencv 边缘检测 Sobel算子 Scharr算子 Laplacian算子 (c++)

简述：Sobel Scharr Laplacian

Sobel算子是高斯平滑加微分运算的联合运算，因此它更抗噪声。你可以指定要采用的导数方向，垂直或水平（分别通过参数yorder和xorder）。你还可以通过参数ksize指定内核的大小。如果ksize = -1，则使用3x3 Scharr滤波器，比3x3 Sobel滤波器具有更好的结果。

Sobel算子

$$kernel=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$$
$$kernel=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]$$

Scharr算子

$$kernel=\left[\begin{array}{ccc}-3& 0& 3\\ -10& 0& 10\\ -3& 0& 3\end{array}\right]$$
$$kernel=\left[\begin{array}{ccc}-3& -10& -3\\ 0& 0& 0\\ 3& 10& 3\end{array}\right]$$
和Sobel算子相比，scharr算子临近像素的权重更大，所以精确度更高，能计算出更小的梯度变化

Laplacian 算子

如果ksize > 1 (ksize必须为正奇数) ，该函数通过Sobel算子计算出图像X方向和Y方向的二阶导数，将两个方向的导数求和得到Laplacian算子：
$$\Delta src=\frac{{\partial }^{2}src}{\partial x^2}+\frac{{\partial }^{2}src}{\partial y^2}$$
如果ksize = 1,则使用以下内核用于过滤:

$$kernel=\left[\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array}\right]$$

1. Sobel()

注意：当输出数据类型为cv::CV_8U时有一个小问题。黑色到白色的过渡被视为正斜率（具有正值），而白色到黑色的过渡被视为负斜率（具有负值）。因此，将数据转换为CV_8U时，所有负斜率均​​设为零。简而言之，就是会错过这一边缘信息。如果要检测两个边缘，更好的选择是将输出数据类型保留为更高的形式，例如cv::CV_16S，cv::CV_64F等，取其绝对值，然后转换回cv::CV_8U。

CV_EXPORTS_W void Sobel( InputArray src, OutputArray dst, int ddepth,
                         int dx, int dy, int ksize = 3,
                         double scale = 1, double delta = 0,
                         int borderType = BORDER_DEFAULT );
                         
/*Sobel算子将高斯平滑和微分相结合，因此结果或多或少具有抗噪性。
通常，使用（xorder = 1，yorder = 0，ksize = 3）或（xorder = 0，yorder = 1，ksize = 3）来对x求导或对y求导。
第一种情况对应于一个内核：
-1  0  1
-2  0  2
-1  0  1
第二种情况对应于以下内核：
-1 -2 -1
 0  0  0 
 1  2  1

@param src 			//输入图像。
@param dst 			//输出与src相同大小和相同通道数的图像。
@param ddepth 		//输出图像深度，请参见 Depth combinations;对于8位输入图像，将导致截断的导数。
@param dx 			//导数x的阶数
@para dy 			//导数y的阶数。
@param ksize 		//扩展的Sobel内核的大小；它必须是1、3、5或7。
@param scale 		//计算出的导数值的可选比例因子；默认情况下，不应用缩放（有关详细信息，请参见#getDerivKernels）。
@param delta 		//在将结果存储在dst中之前将其添加到结果中的可选delta值。
@param borderType	//像素外推方法，请参见#BorderTypes*/

DEMO

int main() {
	cv::namedWindow("src", 0);
	cv::namedWindow("dst", 0);
	cv::Mat src = cv::imread("./img/test1.jpg", 1);
	cv::Mat dst, dst_x, dst_y;
	cv::cvtColor(src, src, cv::COLOR_BGR2GRAY);
	cv::Sobel(src, dst_x, CV_16S, 1, 0, 3);
	cv::Sobel(src, dst_y, CV_16S, 0, 1, 3);
	cv::convertScaleAbs(dst_x, dst_x);
	cv::convertScaleAbs(dst_y, dst_y);
	cv::addWeighted(dst_x, 0.5, dst_y, 0.5, 0, dst);
	cv::imshow("dst_x", dst_x);
	cv::imshow("dst_y", dst_y);
	cv::imshow("src", src);
	cv::imshow("dst", dst);
	cv::waitKey(0);
}

效果

原图：

x方向边缘检测：

y方向边缘检测：

x和y方向边缘检测：

2.Scharr()

CV_EXPORTS_W void Scharr( InputArray src, OutputArray dst, int ddepth,
                          int dx, int dy, double scale = 1, double delta = 0,
                          int borderType = BORDER_DEFAULT );
@param src 			//输入图像。
@param dst 			//输出与src相同大小和相同通道数的图像。
@param ddepth 		//输出图像深度，请参阅 Depth combinations
@param dx 			//导数x的阶数
@para dy 			//导数y的阶数。
@param scale 		//计算得出的导数值的可选比例因子； 默认情况下，不应用缩放（有关详细信息，请参见#getDerivKernels）。
@param delta 		//在将结果存储到dst之前将其添加到结果中的可选增量值。
@param borderType 	//像素外推方法，请参见#BorderTypes

DEMO

int main() {
	cv::namedWindow("src", 0);
	cv::namedWindow("dst", 0);
	cv::Mat src = cv::imread("./img/test1.jpg", 1);
	cv::Mat dst, dst_x, dst_y;
	cv::cvtColor(src, src, cv::COLOR_BGR2GRAY);
	cv::Scharr(src, dst_x, CV_16S, 1, 0, 3);
	cv::Scharr(src, dst_y, CV_16S, 0, 1, 3);
	cv::convertScaleAbs(dst_x, dst_x);
	cv::convertScaleAbs(dst_y, dst_y);
	cv::addWeighted(dst_x, 0.5, dst_y, 0.5, 0, dst);
	cv::imshow("dst_x", dst_x);
	cv::imshow("dst_y", dst_y);
	cv::imshow("src", src);
	cv::imshow("dst", dst);
	cv::waitKey(0);
}

效果

原图：

x反向边缘检测：

y方向边缘检测：

x和y方向边缘检测：

3. Laplacian()

注意：Laplacian算子具有各方向同性的特点，能够对任意方向的边缘进行提取，具有无方向性的优点，因此使用Laplacian算子提取边缘不需要分别检测X方向的边缘和Y方向的边缘，只需要一次边缘检测即可。Laplacian算子是一种二阶导数算子，对噪声比较敏感，因此常需要配合高斯滤波一起使用。

CV_EXPORTS_W void Laplacian( InputArray src, OutputArray dst, int ddepth,
                             int ksize = 1, double scale = 1, double delta = 0,
                             int borderType = BORDER_DEFAULT );
/*
@param src 			//源图像。
@param dst 			//与src具有相同大小和相同通道数的目标图像。
@param ddepth 		//所需目标图像的深度。
@param ksize 		//用于计算二阶导数滤波器的孔径大小。 有关详细信息，请参见#getDerivKernels。 大小必须为正数和奇数。
@param scale 		//计算的Laplacian值的可选比例因子。 默认情况下，不应用缩放。 有关详细信息，请参见#getDerivKernels。
@param delta 		//在将结果存储到dst之前将其添加到结果中的可选增量值。
@param borderType 	//像素外推方法，请参见#BorderTypes
*/

DEMO

int main() {
	cv::namedWindow("src", 0);
	cv::namedWindow("dst", 0);
	cv::Mat src = cv::imread("./img/test1.jpg", 1);
	cv::Mat dst, dst_x, dst_y, src_gs;
	cv::cvtColor(src, src, cv::COLOR_BGR2GRAY);
	cv::GaussianBlur(src, src_gs, cv::Size(3, 3), 5, 0);  //高斯滤波
	cv::Laplacian(src_gs, dst, CV_16S, 1, 3);
	cv::convertScaleAbs(dst, dst);
	cv::imshow("src", src);
	cv::imshow("dst", dst);
	cv::waitKey(0);
	cv::imwrite("./img/dst.jpg", dst);
	cv::imwrite("./img/src.jpg", src);
}

效果

原图：

结果：

缩放，绝对值，转换为无符号的8位类型 convertScaleAbs

/*函数convertScaleAbs按顺序执行三个操作：缩放，绝对值，转换为无符号的8位类型*/
CV_EXPORTS_W void convertScaleAbs(InputArray src, OutputArray dst,
                                  double alpha = 1, double beta = 0);

Depth combinations

Input depth (src.depth())	Output depth (ddepth)
CV_8U	-1/CV_16S/CV_32F/CV_64F
CV_16U/CV_16S	-1/CV_32F/CV_64F
CV_32F	-1/CV_32F/CV_64F
CV_64F	-1/CV_64F