opencv_18 Sobel边缘提取

//边缘是像素发生阶跃的地方，使图像的显著特征之一，对图像求一阶导数，提取边缘。
//对图像求导，如下图。左边是原图像素图像，右边是像素变化率的图像。

//Sobel 算子：计算图像灰度的近似梯度。
//Sobel 算子集合了高斯平滑和微分求导，在x，y
方向上求导，得到X,Y方向上的梯度。
//下图是Sobel算子的卷积核，引入权重增大像素差异，提取边缘，左边是X梯度，右边是Y梯度。

//最后将X,Y方向的梯度融合，绝对值和的形式可以减小运算量。优化算法

//以下代码是，像素梯度平方和开根号的结果

for (int row = 0; row < height; row++)
	{
		for (int column = 0; column <width ; column++)
		{
			int xg=Xgrad.at<char>(row, column);
			int yg = Ygrad.at<char>(row, column);
			int xyg = sqrt(xg*xg + yg*yg);
			imgmix.at<char>(row, column) = saturate_cast<char>(xyg);
		}
	}

//Sobel API
Sobel(输入图像(灰度图)，输出图像，输出图像深度，X方向导数，Y方向导数， ksize(卷积核大小),scale=1（图像缩放），delta=0(像素增亮)，borderType=BORDER_DEFAULT)；
//此处对图像深度做特殊说明，输出图像深度应该大于输入图像深度。(-1是默认值，这里通常不取)
//但输出图像的类型仍然是八位.

//代码步骤：
1.因为Sobel对噪声格外敏感，先对图像高斯模糊。
2.装灰度
3.求梯度X,Y
4.混合X,Y梯度
//convertScaleAbs(对像素梯度取绝对值，梯度有可能是负的)
//以下是操作的两种方式，一种是基于API，一种是基于像素搜索。

Mat src = imread("C:\\Users\\Administrator\\Pictures\\Saved Pictures\\timg6ZAGKYHR.jpg");
	if (src.empty())
	{
		printf("ould not find image \n");
		return -1;
	}
	namedWindow("opencv set up demo", WINDOW_AUTOSIZE);
	imshow("opencv set up demo", src);
	Mat dst, gray_sc;
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	cvtColor(dst, gray_sc, COLOR_BGR2GRAY);


	Sobel(gray_sc, Xgrad, CV_32F, 1, 0, 3);
	Sobel(gray_sc, Ygrad, CV_32F, 1, 0, 3);
	convertScaleAbs(Xgrad, Xgrad);
	convertScaleAbs(Ygrad, Ygrad);
	printf("%d", Ygrad.type());
	imshow("xgrad", Xgrad);
	imshow("ygrad", Ygrad);
	Mat imgmix;
	addWeighted(Xgrad, 1, Ygrad, 1,0, imgmix);

//基于像素搜索

Mat src = imread("C:\\Users\\Administrator\\Pictures\\Saved Pictures\\timg6ZAGKYHR.jpg");
	if (src.empty())
	{
		printf("ould not find image \n");
		return -1;
	}
	namedWindow("opencv set up demo", WINDOW_AUTOSIZE);
	imshow("opencv set up demo", src);
	Mat dst, gray_sc;
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	cvtColor(dst, gray_sc, COLOR_BGR2GRAY);


	Sobel(gray_sc, Xgrad, CV_32F, 1, 0, 3);
	Sobel(gray_sc, Ygrad, CV_32F, 1, 0, 3);
	convertScaleAbs(Xgrad, Xgrad);
	convertScaleAbs(Ygrad, Ygrad);
	printf("%d", Ygrad.type());
	imshow("xgrad", Xgrad);
	imshow("ygrad", Ygrad);
	Mat imgmix;
	//addWeighted(Xgrad, 1, Ygrad, 1,0, imgmix);
	Mat imgmix=Mat(Xgrad.size(),Xgrad.type());
	int height = Xgrad.rows;
	int width = Ygrad.cols;
	for (int row = 0; row < height; row++)
	{
		for (int column = 0; column <width ; column++)
		{
			int xg=Xgrad.at<char>(row, column);
			int yg = Ygrad.at<char>(row, column);
			int xyg = xg + yg;
			imgmix.at<char>(row, column) = saturate_cast<char>(xyg);
		}
	}

	imshow("sobel", imgmix);

//opencv 自己有Scharr(输入灰度图，输出，输出图向深度，x方向梯度，y方向梯度，缩放scale,delta(像素增值))
Scharr(gray_sc, Ygrad, CV_32F, 1, 0, 1, 0);
Soble易受噪声影响，Scharr不易受影响

	Mat src = imread("C:\\Users\\Administrator\\Pictures\\Saved Pictures\\timg6ZAGKYHR.jpg");
	if (src.empty())
	{
		printf("ould not find image \n");
		return -1;
	}
	namedWindow("opencv set up demo", WINDOW_AUTOSIZE);
	imshow("opencv set up demo", src);
	Mat dst, gray_sc;
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	cvtColor(dst, gray_sc, COLOR_BGR2GRAY);
	Mat Xgrad, Ygrad;
	Scharr(gray_sc, Xgrad, CV_32F, 1, 0, 1, 0);
	Scharr(gray_sc, Ygrad, CV_32F, 1, 0, 1, 0);

	//Sobel(gray_sc, Xgrad, CV_32F, 1, 0, 3);
	//Sobel(gray_sc, Ygrad, CV_32F, 1, 0, 3);
	convertScaleAbs(Xgrad, Xgrad);
	convertScaleAbs(Ygrad, Ygrad);
	printf("%d", Ygrad.type());
	imshow("xgrad", Xgrad);
	imshow("ygrad", Ygrad);
	Mat imgmix;
	//addWeighted(Xgrad, 1, Ygrad, 1,0, imgmix);
	Mat imgmix=Mat(Xgrad.size(),Xgrad.type());
	int height = Xgrad.rows;
	int width = Ygrad.cols;
	for (int row = 0; row < height; row++)
	{
		for (int column = 0; column <width ; column++)
		{
			int xg=Xgrad.at<char>(row, column);
			int yg = Ygrad.at<char>(row, column);
			int xyg = xg + yg;
			imgmix.at<char>(row, column) = saturate_cast<char>(xyg);
		}
	}

	imshow("sobel", imgmix);

	waitKey(0);

//saturate_cast(xyg);将像素值限制在0-255之间。