OpenCV 边缘检测Sobel

一、Sobel算子理论解析

Sobel算子用来计算一阶、二阶、三阶或混合图像差分。

一阶图像差分根据一阶导数来近似，，

一阶计算过程：

1. 分别在x和y方向求导：

x方向：将I与一个奇数大小的内核Gx进行卷积，当内核为3时，Gx的计算结果为：

y方向：将I与一个奇数大小的Gy进行卷积，当内核为3时，Gy的计算结果为：

注：Sobel中间加入权重值2，可以有效抑制（平滑）噪声。

2. 在图像的每一点，结合以上两个结果求出近似梯度：

二阶图像差分根据二阶导数来近似，

二阶计算过程：

1. 分别在x和y方向求导：

x方向：将I与一个奇数大小的内核Gx进行卷积，当内核为3时，Gx的计算结果为：

y方向：将I与一个奇数大小的Gy进行卷积，当内核为3时，Gy的计算结果为：

注：Sobel中间加入权重值2，可以有效抑制（平滑）噪声。

2. 在图像的每一点，结合以上两个结果求出近似梯度：

注：为防止溢出，所有计算结果均需要在[0,255]中。

二、Sobel算子代码验证

#include "pch.h"
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;

int main()
{
	Mat src = Mat(5,5,CV_8UC1);
	randu(src, Scalar::all(0), Scalar::all(255));
	Size size = src.size();
	cout << "原图像" << endl;
	cout << src << ";" << endl << endl;

	Mat dst;
	copyMakeBorder(src, dst, 1, 1, 1, 1, BORDER_DEFAULT);
	cout << "BORDER_DEFAULT填充后的图像" << endl;
	cout << dst << ";" << endl << endl;


	Mat gradient_x;
	Sobel(src, gradient_x, src.depth(), 1, 0);
	cout << "SobelX方向的一阶差分" << endl;
	cout << gradient_x << ";" << endl << endl;

	Mat gradient_2;
	Sobel(src, gradient_2, src.depth(), 2, 0);
	cout << "SobelX方向的二阶差分" << endl;
	cout << gradient_2 << ";" << endl << endl;
}

三、Scharr滤波器

在Sobel算法中，内核大小为3时，可能产生比较明显的误差。为了解决这一问题，opencv提供了scharr函数，仅作用于内核为3的特殊情况，内核为：

     

故下面两者是等价的

Scharr(src, dst,ddepth, dx, dy, scale, delta, bodertype)
Sobel( src, dst,ddepth, dx, dy, CV_SCHARR, scale, delta, bodertype)