OpenCV 笔记一：微分、梯度，Sobel、角点及Sift特征点

题记：发现之前写的代码很多都不知道放在哪里了，时间长了看过的东西，写的代码也就忘了。有一种忙了好一阵子却没什么收获的感觉，因此从今天开始把学习到的东西都整理下来，先CSDN，有成熟的项目代码后在放到Github上。

一、微分、梯度

              数学函数的微分可以有不同术语的定义，但任何定义都必须保证以下几点：

一阶微分：

1、在平坦段（灰度不变的区域），微分值为0

2、在灰度阶梯或斜坡的起始点处微分值非0

3、沿着斜坡面微分值非0

图像是离散的数字量，其值有限，故最大的灰度阶的变化也是有限的，变化发生的最短距离是相邻像素之间。

因此一阶微分可如下定义：

 

 

二阶微分可如下定义：

在图像处理中，一阶微分是通过梯度法来实现的。对于函数 在（x,y）上的梯度是通过一个二维列向量来定义的：

向量模值：

一般，我们把梯度向量的模值简称为梯度。同时在实际操作中，常用绝对值代替平方与开放的运算求解近似梯度的模值。

二、Sobel

 

用来表达微分最常用的操作是Sobel 微分算子，Sobel算子包含任意阶的微分及融合偏导。

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。分别代表经横向及纵向边缘检测的图像，其公式如下：

 

使用权重2的思想是，通过突出中心点的作用而达到平滑的目的。

来自 <http://zh.wikipedia.org/wiki/%E7%B4%A2%E8%B2%9D%E7%88%BE%E7%AE%97%E5%AD%90>

 

在OpenCV中其Sobel函数定义如下：

C++:

void Sobel(InputArraysrc, OutputArray dst, int ddepth,  // 输入输出图像，图像深度应按下图对应

 int dx,   //x方向导数

 int dy,   //y方向导数

 int ksize=3, double scale=1,

double delta=0, intborderType=BORDER_DEFAULT )

 

 

 

Sobel(img, sobel

Img, -1, 1, 0);     //对横向（X）求导数，保留纵向边缘

 

 

Sobel(img, sobelImg, -1,0,1);     // 对纵向（Y）求导，保留横向边缘

 

 

三、角点

       图像上如果一个点在两个正交方向上都有明显的倒数，则我们认为此点更倾向于是独一无二的，所以，许多可追踪的特征点都成为角点。

       最普遍使用的角点定义是有Harris提出的。定义的基础是图像灰度强度的二阶导数（）矩阵。

OpenCV 角点检测函数如下：