OpenCV边缘检测（一）——Roberts边缘检测

Roberts边缘检测是一种基于微分算子的边缘检测算法，主要用于图像处理中的边缘检测。该算法的基本原理是在图像中找到像素点与其相邻像素点之间的灰度差异，进而确定图像中的边缘。

具体来说，Roberts边缘检测算法通过两个3x3的微分算子（Roberts算子）来计算每个像素点的边缘强度，其中一个算子用于检测45度角的边缘，另一个算子用于检测135度角的边缘。通过对这两个算子的卷积操作，可以得到每个像素点的边缘强度值，从而确定图像中的边缘。

Roberts边缘检测算法的优点是计算速度快，但是其对噪声比较敏感，容易产生误检测和漏检测。因此，在实际应用中，常常需要将Roberts边缘检测算法与其他边缘检测算法结合使用，以提高检测准确率。

int main(int argc, char** argv)
{
    Mat src, dst;
    src = imread("test.jpg");
    if (!src.data) {
        cout << "读取图片错误！" << endl;
        return -1;
    }

    dst.create(src.size(), src.type());
    int threshold = 30; // 阈值
    // Robert算子，通过二阶导数计算图像的梯度
    int robert[2][2] = { {1,0}, {0,-1} };
    int robert_transpose[2][2] = { {0,1}, {-1,0} };

    for (int y = 0; y < src.rows - 1; y++) {
        for (int x = 0; x < src.cols - 1; x++) {
            int gx = 0, gy = 0;
            for (int i = 0; i < 2; i++) {
                for (int j = 0; j < 2; j++) {
                    gx += src.at<uchar>(y + i, x + j) * robert[i][j];
                    gy += src.at<uchar>(y + i, x + j) * robert_transpose[i][j];
                }
            }
            int gradient = sqrt(gx * gx + gy * gy);
            if (gradient > threshold) {
                dst.at<uchar>(y, x) = 255;
            }
            else {
                dst.at<uchar>(y, x) = 0;
            }
        }
    }

    namedWindow("原图", WINDOW_NORMAL);
    namedWindow("Robert边缘检测", WINDOW_NORMAL);
    imshow("原图", src);
    imshow("Robert边缘检测", dst);
    waitKey(0);

    return 0;
}

在上面的代码中，我们首先读取一张图片，然后创建一个与原始图片大小相同的Mat对象作为输出。然后，我们定义一个阈值threshold，对梯度进行二值化处理。接下来，我们定义了Robert算子的两个矩阵，用于计算图像的梯度。然后，我们对每个像素进行遍历，计算其梯度值，并将梯度值与阈值进行比较，如果梯度值大于阈值，则将输出图像的该像素位置设置为255，否则设置为0。最后，我们将原始图像和输出图像显示在窗口中。