OpenCV中的Sobel算子

OpenCV中的Sobel算子

刚开始第一次接触这个东西的时候也是感觉一脸懵逼，这是什么鬼。完全看不懂。今天再次接触到，感觉理解的透彻了一点。
首先来看一下Sobel算子是个什么东西:

-1	0	1
-2	0	2
-1	0	1

这个就是Sobel算子中的一个，就以这个为例。可以看出来这个就是之前说的那个核。用这个核去和原图像进行卷积操作。那根据核可以知道，卷积过后得到的输出图像中每个点的像素值，为两列差的和，回想一下求导的定义式，函数的差值/自变量的差值。所以这里得到的输出图像的每个点的值，可以看成原图像在该点的导数。因为图像的是二维的，所以以上所说都是在X方向。
根据这个理论，不难知道，在边缘处像素值发生了显著的变化，表示这一变化一个方法就是利用导数。
Y方向的算子:

-1	-2	-1
0	0	0
1	2	1

道理和X方向的相同。
下面看一下X方向的导数的手动实现吧!

Mat Soble(const Mat src,const Mat_<int> kernel)
{
    Mat dst,temp,s;
    temp = Mat::zeros(src.size(),src.type());
    src.copyTo(dst);
    kernel.copyTo(s);
    int height = src.rows;
    int width = src.cols;
    int size = kernel.rows;
    int add = (size-1)/2;

    uchar* pre;
    uchar* cur;
    uchar* next;
    int* ker = s.ptr<int>(0);

    for(int row = 0;row < height-1;row++)
    {
        pre = dst.ptr<uchar>(row-1);
        cur = dst.ptr<uchar>(row);
        next = dst.ptr<uchar>(row+1);
        for(int col = 0;col < width - 1;col++)
        {
            temp.at<uchar>(row,col) = saturate_cast<uchar>(pre[col-1]*ker[0] + pre[col]*ker[1] + pre[col+1]*ker[2]
                                                          +cur[col-1]*ker[3] + cur[col]*ker[4] + cur[col+1]*ker[5]
                                                          +next[col-1]*ker[6] + next[col]*ker[7] + next[col+1]*ker[8]
                                                        );
        }
    }
    imshow("temp",temp);
    return temp;

}

编写的流程与自定义线性滤波器那块是一样的。
同样的OpenCV为了我们方便，也提供了相应的API:

Sobel(
	输入图像，
	输出图像，
	图像深度，CV_16S防止外溢
	x方向的导数的阶数，
	y方向的导数的阶数，
	scale，默认为1，
	delta，默认为0;
	BORDER_DEFAULT	
);

下面是完整的代码:

#include <ros/ros.h>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;


Mat Soble(const Mat src,const Mat_<int> kernel);

int main(int argc, char *argv[])
{
    Mat src,dst;
    src = imread("/home/dynamicw/Project/C++_Project/opencvtest/src/lesson01/source/map.png",0);
    imshow("src",src);
    GaussianBlur(src,src,Size(3,3),0,0,BORDER_DEFAULT);
    Mat_<int> kernel = (Mat_<int>(3,3) << -1,0,1,-2,0,2,-1,0,1);
    Soble(src,kernel);
    Sobel(src,dst,CV_16S,1,0,3,1,0,BORDER_DEFAULT);
    imshow("apt",dst);
    convertScaleAbs(dst,src);
    imshow("api",src);
    waitKey(0);
    return 0;
}

Mat Soble(const Mat src,const Mat_<int> kernel)
{
    Mat dst,temp,s;
    temp = Mat::zeros(src.size(),src.type());
    src.copyTo(dst);
    kernel.copyTo(s);
    int height = src.rows;
    int width = src.cols;
    int size = kernel.rows;
    int add = (size-1)/2;

    uchar* pre;
    uchar* cur;
    uchar* next;
    int* ker = s.ptr<int>(0);

    for(int row = 0;row < height-1;row++)
    {
        pre = dst.ptr<uchar>(row-1);
        cur = dst.ptr<uchar>(row);
        next = dst.ptr<uchar>(row+1);
        for(int col = 0;col < width - 1;col++)
        {
            temp.at<uchar>(row,col) = saturate_cast<uchar>(pre[col-1]*ker[0] + pre[col]*ker[1] + pre[col+1]*ker[2]
                                                          +cur[col-1]*ker[3] + cur[col]*ker[4] + cur[col+1]*ker[5]
                                                          +next[col-1]*ker[6] + next[col]*ker[7] + next[col+1]*ker[8]
                                                        );
        }
    }
    imshow("temp",temp);
    return temp;

}

其中，通常在进行Sobel时，要先进行高斯模糊，具体原因未知。
其次，求完导数以后，得到的图像中部分像素会是负值，或者超过了255，所以利用convertScaleAbs(src，dst)来将图像的每个像素变为0~255之间。