图像梯度算子——Sobel/scharr/Laplacian

1.sobel算子

sobel算子可以计算图像梯度，计算图像梯度的作用是提取边界。

（1）X方向的梯度

以3x3的卷积核计算sobel算子为例：

图中左边就是计算水平梯度时的卷积核，简单来说就是右边减左边，权重由卷积核规定。

含义：当目标（P5点）右左两列差别特别大的时候，目标点的值会很大，说明该点为边界。

（2）Y方向的梯度

上图是计算垂直方向梯度的卷积核，如果在垂直方向上存在有较大的差值就说明存在有水平边界。

（3）注意&总结

a.水平梯度运算提取垂直方向的边界，垂直方向的梯度运算得到水平方向的边界。

b.Opencv默认的是截断的操作，即小于0按0算，大于255按255算。这样计算得到的图像可能会被削半，不合适，最好对于小于0的取绝对值，大于255的可按255算（最大的极差了）。

（4）总梯度

总梯度：

 简化梯度：

（5）函数介绍

cv.Sobel(	
            src, 
            ddepth, 
            dx, 
            dy[, dst[, ksize[, scale[, delta[, borderType]]]]]	
) 

->	dst

Parameters

src	input image.
dst	output image of the same size and the same number of channels as src .
ddepth	output image depth, see combinations; in the case of 8-bit input images it will result in truncated derivatives.
dx	order of the derivative x.
dy	order of the derivative y.
ksize	size of the extended Sobel kernel; it must be 1, 3, 5, or 7.
scale	optional scale factor for the computed derivative values; by default, no scaling is applied (see