18 - Sobel算子 测试

18 - Sobel 算子测试
代码和理解注释：

#include<opencv2/opencv.hpp>;
using namespace cv;
int main(int argc,char* argv) { // 18 - Sobel算子
	Mat source1,change1;
	source1 = imread("F:\\OpenCV-Test\\TestPicture\\SourcePicture1\\1.PNG");
	if (!source1.data) { printf("can not load image ... \n"); return -1; }
	imshow("source1",source1);

	Mat source1Gray;
	GaussianBlur(source1,change1,Size(3,3),0,0);
	cvtColor(change1,source1Gray,6);
	imshow("source1Gray",source1Gray);

	Mat Xgrad, Ygrad;
//	Scharr(source1Gray, Xgrad, CV_16S, 1, 0); //Scharr是Sobel加强版： XY -10 +10,增加权重扩大XY梯度
//	Scharr(source1Gray,	Ygrad,CV_16S,0,1);
	Sobel(source1Gray, Xgrad, CV_16S, 1, 0, 3);  // XY -2 +2,增加权重扩大XY梯度 
	// (输入图像，输出图像，输出图像位图深度，X方向，Y方向，卷积核3*3)： X方向Sobel算子
	Sobel(source1Gray, Ygrad, CV_16S, 0, 1, 3);  // Y方向Sobel算子
	convertScaleAbs(Xgrad, Xgrad);     // 像素值 反转
	convertScaleAbs(Ygrad, Ygrad);
//	imshow("Xgrad-Scharr", Xgrad);
//	imshow("Ygrad-Scharr", Ygrad);

	Mat XYgrad = Mat(Xgrad.size(), Xgrad.type());
	addWeighted(Xgrad, 0.5, Ygrad, 0.5, 0, XYgrad);
	// 将每个像素点XY方向Sobel算法之后0.5权重相加的像素值赋给新图像，像素点的值四分之一； 图像轮廓
	imshow("XYgrad - 权重",XYgrad);

	//printf("type=  %d\n",XYgrad);
	int cols = Xgrad.cols;
	int rows = Xgrad.rows;
	for (int row = 0; row < rows;row++) {
		for (int col = 0; col < cols;col++) {
			int Xg = Xgrad.at<char>(row, col);
			int Yg = Ygrad.at<char>(row,col);
			int XY = Xg + Yg;
			XYgrad.at<char>(row, col) = saturate_cast<uchar>(XY);
			// 将每个像素点XY方向Sobel算法之后相加的像素值赋给新图像，算出整个图像Sobel算法； 图像轮廓
		}
	}
	imshow("XYgrad-XY相加",XYgrad);

	waitKey(0);
	return 0;
}

代码演示效果：

一：Sobel-XY方向算法图像

 

二： Scharr - XY 方向算法图像

 

三：18 - Sobel  XYGrad-之后对XY方向像素 2种不同处理结果

四：Scharr XYGrad-之后对XY方向像素 2种不同处理结果