<LearnOpenCV18>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，

Sobel算子

是离散微分算子（discrete differentiation operator），用来计算图像灰度的近似梯度
Soble算子功能集合高斯平滑和微分求导
又被称为一阶微分算子，求导算子，在水平和垂直两个方向上求导，得到图像X方法与Y方向梯度图像

求取导数的近似值，kernel=3时不是很准确，OpenCV使用改进版本Scharr函数，算子如下：

	高斯平滑
	转灰度
	求梯度X和Y
	振幅图像

#include<iostream>
#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui_c.h>
using namespace std;
using namespace cv;
int main()
{
	Mat src, dst,src_gray;
	src = imread("D:/learnopencv/opencv003/face.jpg");
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	cvtColor(src, src_gray, CV_BGR2GRAY);
	imshow("src", src);
	imshow("src_gray", src_gray);
	Mat xgrad, ygrad;
	//Sobel(src_gray, xgrad,  CV_16S, 1, 0, 3);
	//Sobel(src_gray, , ygrad, CV_16S, 0, 1, 3);
	Scharr(src_gray, xgrad, CV_16S, 1, 0);
	Scharr(src_gray, ygrad, CV_16S, 0, 1);
	convertScaleAbs(xgrad, xgrad);
	convertScaleAbs(ygrad, ygrad);
	imshow("xgrad", xgrad);
	imshow("ygrad", ygrad);

	Mat xygrad = Mat(xgrad.size(), xgrad.type());
	int width = xgrad.cols;
	int height = ygrad.rows;
	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			int xg = xgrad.at<uchar>(row, col);
			int yg = ygrad.at<uchar>(row, col);
			int xy = xg + yg;
			xygrad.at<uchar>(row, col) = saturate_cast<uchar>(xy);
		}
	}
	//addWeighted(xgrad, 0.5, ygrad, 0.5,0, xygrad);
	imshow("output", xygrad);
	waitKey();
	return 0;
}