Sobel算子
卷积应用-图像边缘提取
- 边缘是什么 – 是像素值发生跃迁的地方,是图像的显著特征之一,在图像特征提取、对象检测、模式识别等方面都有重要的作用。
- 如何捕捉/提取边缘 – 对图像求它的一阶导数
delta = f(x) – f(x-1), delta越大,说明像素在X方向变化越大,边缘信号越强。
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
水平梯度
垂直梯度
最终图像梯度
- 求取导数的近似值,kernel=3时不是很准确,OpenCV使用改进版本Scharr函数,算子如下:
相关API
重要参考链接:https://www.cnblogs.com/long5683/p/9675691.html
- cv::Sobel
cv::Sobel (
InputArray Src // 输入图像
OutputArray dst// 输出图像,大小与输入图像一致
int depth // 输出图像深度.
Int dx. // X方向,几阶导数
int dy // Y方向,几阶导数.
int ksize, SOBEL算子kernel大小,必须是1、3、5、7、
double scale = 1
double delta = 0
int borderType = BORDER_DEFAULT
)
一般希望输出的位图深度比输入的位图深度要高,如下所示
- cv::Scharr
cv::Scharr (
InputArray Src // 输入图像
OutputArray dst// 输出图像,大小与输入图像一致
int depth // 输出图像深度.
Int dx. // X方向,几阶导数
int dy // Y方向,几阶导数.
double scale = 1
double delta = 0
int borderType = BORDER_DEFAULT
)
- GaussianBlur( src, dst, Size(3,3), 0, 0, BORDER_DEFAULT );
- cvtColor( src, gray, COLOR_RGB2GRAY );
- addWeighted( A, 0.5,B, 0.5, 0, AB);
- convertScaleAbs(A, B)// 计算图像A的像素绝对值,输出到图像B
结果显示
-
源图像
-
灰度图像
-
x方向sobel算子结果
-
y方向sobel算子的结果
-
使用addWeighted函数,对x方向sobel图像和y方向的sobel图像以一定的权重相加的结果
-
直接对x和y方向的sobel图像的像素相加,未进行权重变化,所以亮度要比上一幅图像强
代码实现
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
int main() {
Mat src, dst;
src = imread("G:/OpenCV/opencv笔记所用图片/1.jpg");
if (!src.data) {
printf("could not load image...\n");
return -1;
}
imshow("input image", src);
Mat gray_src;
GaussianBlur(src, dst, Size(3, 3), 0, 0);
cvtColor(dst, gray_src, CV_BGR2GRAY);
imshow("gray image", gray_src);
Mat xgrad, ygrad;
/*Scharr(gray_src, xgrad, CV_16S, 1, 0);
Scharr(gray_src, ygrad, CV_16S, 0, 1);*/ //对边缘进行更大的加强
//对图像进行sobel计算
Sobel(gray_src, xgrad, CV_16S, 1, 0, 3);
Sobel(gray_src, ygrad, CV_16S, 0, 1, 3);
convertScaleAbs(xgrad, xgrad); //convertScaleAbs将其变为正数,结果效果更好一些
convertScaleAbs(ygrad, ygrad);
imshow("xgrad", xgrad);
imshow("ygrad", ygrad);
Mat xygrad = Mat(xgrad.size(), xgrad.type());
printf("type : %d\n", xgrad.type());
addWeighted(xgrad, 0.5, ygrad, 0.5, 0, xygrad);
imshow("addWeighted", xygrad);
//对每个像素进行相加,效果等同于addWeighted(xgrad, 1, ygrad, 1, 0, xygrad);
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); //saturate_cast<uchar>将值限制在0-255内
//xygrad.at<uchar>(row, col) = xy;
}
}
imshow("像素相加", xygrad);
waitKey(0);
return 0;
}