OpenCV——Roberts算子

Roberts算子

Roberts 算子是利用局部差分寻找边缘的一种算子，是最简单的边缘检测算子。Roberts 算子利用对角线方向相邻两像素之差近似梯度幅值来检测边缘，检测垂直边缘的效果要优于其他方向边缘，定位精度高，但对噪声的抑制能力较弱。边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，同时也包含方向的确定。

Roberts 算子边缘定位准，但是对噪声敏感。常用来处理具有陡峭的低噪声图像，当图像边缘接近于正45度或负45度时，该算法处理效果更理想。它适用于边缘明显而且噪声较少的图像分割，在应用中经常用 Roberts 算子来提取道路。其缺点是对边缘的定位不太准确，提取的边缘线条较粗。

在 Python 中，Roberts 算子主要通过 Numpy 定义卷积模板，再调用 OpenCV 的 filter2D() 函数实现边缘提取。该函数主要是利用内核实现对图像的卷积运算，其函数原型如下所示：

dst = filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])

其中：
src：表示输入图像；
ddepth：表示目标图像所需的深度；
kernel：表示卷积核，一个单通道浮点型矩阵；
dst：表示输出的边缘图，其大小和通道数与输入图像相同；
anchor：表示内核的基准点，其默认值为(-1,-1)，位于中心位置；
delta：表示在储存目标图像前可选的添加到像素的值，默认值为0；
borderType：表示边框模式。

程序示例：

# -*- coding: utf-8 -*-
import cv2
import numpy as np

def robs():
    filepath = '/data/workspace/myshixun/task2/'
    # 读取图像
    img = cv2.imread(filepath+'road.png')
    ########## Begin ##########
    # 1. 灰度化处理图像
    grayimg = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    # 2. Roberts算子
    kernelx = np.array([[-1,0],[0,1]],dtype=int)
    kernely = np.array([[0,-1],[1,0]],dtype=int)
    # 3. 卷积操作
    x = cv2.filter2D(grayimg, cv2.CV_16S, kernelx)
    y = cv2.filter2D(grayimg, cv2.CV_16S, kernely)

    # 4. 数据格式转换
    absX = cv2.convertScaleAbs(x)
    absY = cv2.convertScaleAbs(y)
    Roberts = cv2.addWeighted(absX,0.5,absY,0.5,0)
    
    ########## End ##########
    
    # 保存图像
    cv2.imwrite(filepath+"out/roberts.png",Roberts)