opencv学习 边缘检测--soble算子

导数与边缘特征

看到画红圈的地方了吗，是头发(黑色)和脸部(白色)交界处，也就是图像像素值变化最大处，怎么找出变化最大处呢？如，一条曲线，怎么找变化最大处呢？求一阶导数，当一阶导数最大时，此处就是变化最大处，也就是极值点，最右边的图是中间的一阶导数图。很明显我们图像也可以看着一个函数，对函数求导即可。

边缘是什么？是像素值发生跃迁的地方，使图像的显著特征之一。在图像特征提取、对象检查、模式识别等方面有着重要作用。

如何扑捉提取边缘呢？ 对图像求一阶导数。delet = f(x) - f(x-1)/x-(x-1)，当delet越大时，说明x方向变化越大，边缘信息越强。

看到这里是不是有点慌，要求导耶，不用担心，因为前人已经经过无数次实验，找出了一个算子，可以代替求导，直接用这个算子对图像做卷积运算即可。这个算子也就是 Soble 算子。

一、Soble算子讲解

（1）是离散微分算子，是计算图像灰度的近似梯度。（2）soble算子功能集合了高斯平滑和微分求导。（3）又被称为一阶微分算子，求导算子，在水平和垂直两个方向上求导，得到x方向和y方向梯度图像。

如下图，Gx为水平方向的梯度图像，Gy为垂直方向的梯度图像。  可以观察 算子的特征 结合 求导公式，可以看出为什么称它为水平算子（或者垂直算子）和为什么可以代替求导。

                 水平算子                                                  垂直算子

图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：

通常，为了提高效率使用不开平方的近似值：

然后可用以下公式计算梯度方向：

二、sobel算子的构建过程

 Sobel算子是在一个坐标轴的方向上进行非归一化的高斯平滑，在另外一个坐标轴方向上进行差分处理，

的Sobel算子是由平滑算子和差分算子full卷积而得到的，其中为奇数。对于窗口大小为的非归一化的

Sobel平滑算子等于阶的二项式展开式的系数，那么问题只剩下怎么构建窗口大小为的Sobel差分算子？其

实，窗口大小为的Sobel差分算子是在阶的二项式展开式的系数两侧补零，然后向后差分得到的。

      接下来我们来构建一个4阶的非均一化的Sobel平滑算子（其实就是高斯平滑算子）和Sobel差分算子，来理解整个构建过程。

      第一步：取二项式的指数n=3，然后计算展开式的系数，如下所示：

                                                                         

也就是： 

                                                                             

这就是4阶的非均一化的Sobel平滑算子（其实就是高斯平滑算子）。

      第二步： 取二项式的指数，然后计算展开式的系数，即：

                                                                           

然后在两侧补零，得到：

                                                                         

接着后向差分（后面的数值减去前面相邻的数值），即得到差分后的结果为：

                                                                          

这就是4阶的Sobel差分算子。

        第三步：将4阶的Sobel平滑算子（其实就是高斯平滑算子）和Sobel差分算子进行full卷积，即可得到的Sobel算子，即：

                                                          

                                                         

 Sobel平滑算子和差分算子总结如下：

                                        

其实构造Sobel算子的理论基础是帕斯卡三角形（Pascal's triangle），帕斯卡三角形可以计算出平滑算子的一组系数，在极限情况下这组系数与高斯平滑算子的系数大致相同。帕斯卡三角形如下：

                                                          

三、卷积核也可以旋转，用与查找不与x,y轴平行或垂直的方向上的边缘。

 

四、检测实例

    opencv c++ 中 Soble 算子的API

Soble(
    src,  //输入图像
    dst,  //输出图像
    int depth，// 图像深度
    int dx， // x方向 几阶导数
    int dy， // y方向 几阶导数
    int Size， // Soble核算子大小，1,3,5,7...
    double scale = 1,  // 像素值扩大的倍数
    double delta = 0，   // 最终的像素值加上的数。
    int borderType = BORDER_DEFAULT

)

    和Soble一样，具有边缘检测的功能的 Scharr。API和Soble参数一样。

 Soble 边缘检测的步骤

（1）模糊

（2）转灰度

（3）求X和Y方向的梯度

（4）振幅图像。

#include "stdafx.h"
#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<algorithm>
#include<math.h>
#include<iostream>
using namespace cv;
using namespace std;

int main()
{
	Mat src = imread("C:\\Users\\Geek\\Desktop\\1281425_2019-07-18_10_0\\youbantu.jpg");
	Mat dst,gray;
	GaussianBlur(src, dst, Size(5, 5), 0, 0);
	
	cvtColor(src, gray, CV_RGB2GRAY);
	//Soble()

	//imshow("src", src);
	imshow("gray", gray);
	Mat xgray, ygray;
	Sobel(gray, xgray, -1, 1, 0, 3);   
	Sobel(gray, ygray, -1, 0, 1, 3);

	convertScaleAbs(xgray, xgray);            // 把负的像素值变为正的。 不想不确定有没有这个必要。
	convertScaleAbs(ygray, ygray);
	imshow("xgray", xgray);
	imshow("ygray", ygray);
	Mat fgray;
	addWeighted(xgray, 1, ygray, 1, 0, fgray);
	imshow("fgray", fgray);
	waitKey(0);
    return 0;
}

 结果：

五、Soble算子的优缺点

优点：计算简单，速度很快；

缺点：计算方向单一，对复杂纹理的情况显得乏力；

　　直接用阈值来判断边缘点欠合理解释，会造成较多的噪声点误判。