sobel求取图像梯度

#include "opencv2/imgproc/imgproc.hpp"  
#include "opencv2/highgui/highgui.hpp"  
#include <iostream>  
#include <cmath>
using namespace cv;
using namespace std;

void SobelGradDirction(Mat &imageSource, Mat &imageSobelX, Mat &imageSobelY);

int main()
{
	Mat grayImage;
	const Mat srcImage = imread("D:/2015project/picture/jimu.jpg");
	if (!srcImage.data)
	{
		printf("could not load image...\n");
		return -1;
	}
	imshow("srcImage", srcImage);
	cvtColor(srcImage, grayImage, CV_BGR2GRAY);
	Mat imageSobelX;
	Mat imageSobelY;
	SobelGradDirction(grayImage, imageSobelX, imageSobelY);
	imshow("imageSobelX", imageSobelX);
	imshow("imageSobelY", imageSobelY);
	waitKey(0);
	return 0;
}
void SobelGradDirction(Mat &imageSource, Mat &imageSobelX, Mat &imageSobelY)
{
	imageSobelX = Mat::zeros(imageSource.size(), CV_32SC1);
	imageSobelY = Mat::zeros(imageSource.size(), CV_32SC1);
	//取出原图和X和Y梯度图的数组的首地址
	uchar *P = imageSource.data;
	uchar *PX = imageSobelX.data;
	uchar *PY = imageSobelY.data;

	//取出每行所占据的字节数
	int step = imageSource.step[0];//二维图像，step[0]代表是行
	int stepXY = imageSobelX.step;

	int index = 0;//梯度方向角的索引
	for (int i = 1; i < imageSource.rows - 1; ++i)
	{
		for (int j = 1; j < imageSource.cols - 1; ++j)
		{
			//通过指针遍历图像上每一个像素   
			double gradY = P[(i + 1)*step + j - 1] + P[(i + 1)*step + j] * 2 + P[(i + 1)*step + j + 1] - P[(i - 1)*step + j - 1] - P[(i - 1)*step + j] * 2 - P[(i - 1)*step + j + 1];
			PY[i*stepXY + j*(stepXY / step)] = abs(gradY);

			double gradX = P[(i - 1)*step + j + 1] + P[i*step + j + 1] * 2 + P[(i + 1)*step + j + 1] - P[(i - 1)*step + j - 1] - P[i*step + j - 1] * 2 - P[(i + 1)*step + j - 1];
			PX[i*stepXY + j*(stepXY / step)] = abs(gradX);
		}
	}
	//将梯度数组转换成8位无符号整型
	convertScaleAbs(imageSobelX, imageSobelX);
	convertScaleAbs(imageSobelY, imageSobelY);
}

元素数据寻址

step这里指出的是图像在各个梯级上的字节数大小，而这里的梯级指的是构成图像的名层次。

  上图三维图像由一个一个平面（第一级）构成，每一个平面由一行一行（第二级）构成，每行由一个一个点（第三级）构成。

 同理：二维图像由一行一行（第一级）构成，而每一行又由一个一个点（第二级）构成。

3通道例子（上述代码sobel用的是灰度图，单通道）

例如：创建一个3维的矩阵，尺寸为 3 * 4 * 6

step[i]表示第i维的总大小，单位为字节

我们定义的矩阵每个面有4*6=24个点，每个点定义为CV_32FC3类型，即3通道的32位float型，一个元素包含3个float，即 3 *4=12字节

那么整个面的大小step[0]=24 *12 =288 字节

step[1] = 6 *12 =72 字节

step[2] = 12字节

step1[i]表示第i维的包含的通道数 
第一维，包含4 * 6个点， 每个点都是3通道的，因此，第一维包含4 * 6 * 3 =72个通道 
同理，第二维包含 18个通道，第三维包含3个通道

size表示每个维度的大小
第一维大小为3，size(0) = 3 
第二维为4，size(1) = 4 
第三维为6，size(2) = 6