opencv3.1学习笔记(2)边缘检测算子

1.引言

入手目标检测有段时间了，之前一直想着通过论文找解决方案，几篇通读下来，发现论文实验结果挺好看，但并不一定适合自己的项目。经公司前辈指点，针对我们的项目问题，可以用最基本的数字图像处理方法来解决，不管是在效率还是在精度上面都比什么高斯混合模型好，特别是在嵌入式平台，对时间要求非常苛刻。这一篇便理理常用的边缘检测算子(edge detectors)。

2.Sobel算子

2.1Sobel算子

通常用来检测水平和垂直边缘，它的卷积核为：

$$h_1=\begin{bmatrix} 1 & 2 & 1 \\ 0 & 0 & 0 \\ -1 & -2 & -1 \\ \end{bmatrix}$$
$$h_2=\begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \\ \end{bmatrix}$$
$h_1$对应的是水平边缘，而 $h_2$对应的是垂直边缘，opencv实验程序及结果如下：

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

using namespace std;
using namespace cv;

void showEdge()
{
    Mat img = imread("F:\\c_programing\\dataset\\wall4.jpg");
    if (img.empty()){
        cout << "图像读取失败！" << endl;
        waitKey(0);
        exit(EXIT_FAILURE);
    }

    Mat edgeVertical, edgeHorizontal;
    Mat img1;
    cvtColor(img, img1, CV_BGR2GRAY);
    GaussianBlur(img1, img1, Size(5, 5), 0.0);

    double t = (double)getTickCount();
    Sobel(img1, edgeHorizontal, CV_8U, 0, 1);
    Sobel(img1, edgeVertical, CV_8U, 1, 0);
    t = ((double)getTickCount() - t) / getTickFrequency();
    printf("Times passed in miliseconds:  %f\n" , t * 1000 );

    imshow("showImg1", img);
    imshow("Horizontal", edgeHorizontal);
    imshow("Vertical", edgeVertical);
    waitKey();
}
int main()
{
    showEdge();
    return 0;
}

下图分别为红墙的原图、水平边缘、垂直边缘图：

opencv中的Sobel边缘提取函数为：

CV_EXPORTS_W void Sobel( InputArray src, OutputArray dst, int ddepth,
int dx, int dy, int ksize = 3,
double scale = 1, double delta = 0,
int borderType = BORDER_DEFAULT );

其中ddepth表示输出图像的类型，例如CV_8U；
dx, dy分别表示垂直与水平边缘,取值0或1；
ksize为固定大小3；scale表示导数的倍数；
borderType表示边界扩展类型，卷积核不能处理边缘像素，一般可以镜像反射，或者以特定的值填充若干像素。