OpenCV12.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

相关API

Sobel(

src, dst,

depth //输出图像深度，只能大于等于原来的深度

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，必须为1、3、5或7)

输入深度	输出深度
CV_8U	-1/CV_16S/CV_32F/CV_64F
CV_16U/CV_16S	-1/CV_32F/CV_64F
CV_32F	-1/CV_32F/CV_64F
CV_64F	-1/CV_64F

Scharr是OpenCv为Sobel的改进版

convertScaleAbs(a, b) //计算a的绝对值输出到b，可将任意类型的数据转化为CV_8UC1

1. 对于src*alpha+beta的结果如果是负值且大于-255，则直接取绝对值；

2. 对于src*alpha+beta的结果如果大于255，则取255；

3. 对于src*alpha+beta的结果是负值，且小于-255，则取255；

4. 对于src*alpha+beta的结果如果在0-255之间，则保持不变；

代码展示

#include <iostream>
#include "opencv2/opencv.hpp"

using namespace std;
using namespace cv;

int main()
{
	Mat src;
	src = imread("F:/Opencvlearn/picture/2.jpg");
	if (src.empty())
	{
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input", WINDOW_AUTOSIZE);
	imshow("input", src);
	Mat src_blur, gray;
	GaussianBlur(src, src_blur, Size(3, 3), 0, 0);
	cvtColor(src_blur, gray, COLOR_BGR2GRAY);
	imshow("gray_blur", gray);

	Mat Sobel_x, Sobel_y;

	Sobel(gray, Sobel_x, CV_16S, 1, 0, 3);
	Sobel(gray, Sobel_y, CV_16S, 0, 1, 3);
	//Scharr(gray, Sobel_x, CV_16S, 1, 0, 3); //OpenCV改进的Sobel算子
	//Scharr(gray, Sobel_y, CV_16S, 0, 1, 3);
	
	convertScaleAbs(Sobel_x, Sobel_x); //对像素取绝对值并转换为uchar类型
	convertScaleAbs(Sobel_y, Sobel_y);

	imshow("Sobel_x", Sobel_x);
	imshow("Sobel_y", Sobel_y);
	Mat Sobel_xy = Mat(Sobel_x.size(), Sobel_x.type());
	addWeighted(Sobel_x, 1, Sobel_y, 1, 0, Sobel_xy); //两图像素相加
	imshow("Sobel_xy", Sobel_xy);
	//手动方式
	//for (int row = 0; row < Sobel_x.rows; ++row)
	//{
	//	for (int col = 0; col < Sobel_x.cols; ++col)
	//	{
	//		int x = Sobel_x.at<uchar>(row, col);
	//		int y = Sobel_y.at<uchar>(row, col);
	//		int xy = x + y;
	//		Sobel_xy.at<uchar>(row, col) = saturate_cast<uchar>(xy);
	//	}
	//}
	//imshow("final", Sobel_xy);
	waitKey(0);
	return 0;
}