Sobel算子及C++实现

Sobel 算子是一个离散的一阶微分算子，用来计算图像灰度函数的近似梯度。

在空间域上Sobel算子很容易实现，执行速度快，对部分噪声具有平滑作用，还能够提供较为精确的边缘方向信息，缺点是边缘定位精度不够高。边缘是指一个物体与另一个物体的分界处，一般边缘内外处都会有灰度值上的差异，Sobel算子就是通过像素点空间邻域内上下，左右相邻点的灰度加权运算，求取物体边缘。

经典Sobel的卷积因子为：

对于待检测边缘的图像I，分别在水平（X）方向和垂直方向（Y）方向求导，方法是分别图像I与卷积核Gx和Gy进行卷积，公式表述如下：

                                                                  

之后对求得的水平和垂直方向的梯度图像上的每一点执行：

    

或更为简单粗暴的：

   

G即为Sobel求得的梯度图像。

以下是C++实现：

[cpp]  view plain  copy

 print ?

1. #include "core/core.hpp"    
2. #include "highgui/highgui.hpp"    
3. #include "imgproc/imgproc.hpp"    
4. #include "iostream"  
5.   
6. using namespace std;   
7. using namespace cv;    
8.   
9. int main(int argc,char *argv[])    
10. {  
11.     Mat image=imread(argv[1],0);  
12.     Mat imageX=Mat::zeros(image.size(),CV_16SC1);  
13.     Mat imageY=Mat::zeros(image.size(),CV_16SC1);     
14.     Mat imageXY=Mat::zeros(image.size(),CV_16SC1);    
15.     Mat imageX8UC;  
16.     Mat imageY8UC;  
17.     Mat imageXY8UC;  
18.     if(!image.data)  
19.     {  
20.         return -1;  
21.     }  
22.     GaussianBlur(image,image,Size(3,3),0); //高斯滤波消除噪点  
23.     uchar *P=image.data;  
24.     uchar *PX=imageX.data;  
25.     uchar *PY=imageY.data;  
26.     int step=image.step;  
27.     int stepXY=imageX.step;  
28.     for(int i=1;i<image.rows-1;i++)  
29.     {  
30.         for(int j=1;j<image.cols-1;j++)  
31.         {  
32.             //通过指针遍历图像上每一个像素  
33.             PX[i*imageX.step+j*(stepXY/step)]=abs(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]);  
34.             PY[i*imageX.step+j*(stepXY/step)]=abs(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]);  
35.         }  
36.     }  
37.     addWeighted(imageX,0.5,imageY,0.5,0,imageXY);//融合X、Y方向    
38.     convertScaleAbs(imageX,imageX8UC);  
39.     convertScaleAbs(imageY,imageY8UC);  
40.     convertScaleAbs(imageXY,imageXY8UC);   //转换为8bit图像  
41.   
42.     Mat imageSobel;  
43.     Sobel(image,imageSobel,CV_8UC1,1,1); //Opencv的Sobel函数  
44.   
45.     imshow("Source Image",image);  
46.     imshow("X Direction",imageX8UC);  
47.     imshow("Y Direction",imageY8UC);  
48.     imshow("XY Direction",imageXY8UC);  
49.     imshow("Opencv Soble",imageSobel);  
50.     waitKey();    
51.     return 0;  
52. }  

原始的Lena美女;

X方向梯度：

Y方向梯度：

X、Y方向梯度融合效果：

Opencv Sobel函数效果：