sobel算子讲解

Sobel算子是区分X,Y两种运算子的,再通过将Sobel运算子与原图进行卷积运算之后得出两个矩阵所含信息也不相同,对于复杂图形很难看出两者之间的差距,对于简单的图形
在这里插入图片描述
则可以看出较明显差异,通过运算后得出
在这里插入图片描述
在这里插入图片描述
可以看出X,Y只能检测出各个方向上的信息,所以最后还是需要通过相加得到完整的边缘信息。

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

void conv2D(cv::Mat& src, cv::Mat& dst, cv::Mat kernel, int ddepth, cv::Point anchor = cv::Point(-1, -1), int delta = 0, int borderType = cv::BORDER_DEFAULT) {
	cv::Mat  kernelFlip;
	cv::flip(kernel, kernelFlip, -1);
	cv::filter2D(src, dst, ddepth, kernelFlip, anchor, delta, borderType);
}

int main()
{
	Mat srcImage=imread("D:\\测试用图片\\线.jfif");
	imshow("原图", srcImage);
	Mat kernel = (Mat_<char>(3,3)<<1,2,1,0,0,0,-1,-2,-1);
	Mat kerne2 = (Mat_<char>(3, 3) << -1, 0, 1, -2, 0, 2, -1, 0, 1);
	Mat sobelXImage, dstImageX,dstImageY,sobelYImage;
	filter2D(srcImage, sobelXImage, srcImage.depth(), kernel);
	filter2D(srcImage, sobelYImage, srcImage.depth(), kerne2);
	convertScaleAbs(sobelXImage, dstImageX);
	convertScaleAbs(sobelYImage, dstImageY);
	imshow("运算后X图片", dstImageX);
	imshow("运算后Y图片", dstImageY);
	Mat dstImage;
	addWeighted(dstImageX, 0.5, dstImageY, 0.5, 0, dstImage);
	imshow("sobel算子最终运算结果", dstImage);
	waitKey(0);
}
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值