Sobel算子
是离散微分算子(discrete differentiation operator ) ,用来计算图像灰度的近似梯度
Soble算子功能集合高斯平滑和微分求导,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,得到图像x方法与y方向梯度图像
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
int main(int argc, char** argv) {
Mat dst;
Mat src = imread("C:/Users/ThinkPad/Desktop/1.PNG");
if (!src.data) {
printf("could not find");
return -1;
}
namedWindow("input", cv::WINDOW_AUTOSIZE);
namedWindow("output", cv::WINDOW_AUTOSIZE);
cv::imshow("input", src);
Mat gray_src;
GaussianBlur(src, dst, Size(3, 3), 0, 0);
//转为灰度图:
cvtColor(dst, gray_src, COLOR_BGR2GRAY);
imshow("gray image", gray_src);
Mat xgrad, ygrad;
//sobel算子
Sobel(gray_src, xgrad, CV_16S, 1, 0, 3);
Sobel(gray_src, ygrad, CV_16S, 0, 1, 3);
//防止信息丢失,所以如果有负值,则进行转换。
convertScaleAbs(xgrad, xgrad);
convertScaleAbs(ygrad, ygrad);
imshow("xgrad", xgrad);
imshow("ygrad", ygrad);
Mat xygrad = Mat(xgrad.size(), xgrad.type());
printf("type:%d\n", xgrad.type());
int width = xgrad.cols;
int height = ygrad.rows;
for (int row = 0; row < height; row++) {
for (int col = 0; col < width; col++) {
int xg = xgrad.at<uchar>(row, col);
int yg = ygrad.at<uchar>(row, col);
int xy = xg + yg;
xygrad.at<uchar>(row, col) = saturate_cast<uchar>(xy);
}
}
//addWeighted(xgrad, 0.5, ygrad, 0.5, 0, xygrad);
imshow("output", xygrad);
waitKey(0);
return 0;
}
结果图:(使用自己实现的实现x和y方向的融合)
使用addweighted函数进行融合。
使用Scharr的效果:这个方法是比sobel效果更强的边缘检测算子。
//Scharr
Scharr(gray_src, xgrad, CV_16S, 1, 0);
Scharr(gray_src, ygrad, CV_16S, 0, 1);