OpenCV基础课程笔记18Sobel算子详解

写在前面

边缘：像素值发生跃迁的地方。可通过一阶导数求得
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，称为一阶微分算子或者求导算子 （拉普拉斯为二阶）

水平梯度Gx，垂直梯度Gy
最终梯度： G=abs(Gx)+abs(Gy);
G=pow(GxGx+GyGy,0.5);

代码

#include<iostream>
#include<opencv2/opencv.hpp>
#include<cmath>
using namespace std;
using namespace cv;

int main() {
	Mat src = imread("A:\\专用\\TestForTheCV\\class18沙滩女.jpg");
	Mat dst;
	//pyrDown(src, src, Size(src.cols / 2, src.rows / 2));
	imshow("图片", src);

	Mat gray_src, xgrad, ygrad;
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	cvtColor(dst, gray_src, CV_BGR2GRAY);
	imshow("灰度图", gray_src);


	Sobel(gray_src, xgrad, CV_16S, 1, 0, 3);  //CV_16S，比原图位数必须高才行
	Sobel(gray_src, ygrad, CV_16S, 0, 1, 3);

	//Sobel算法在CV里有一个进化版Scharr,两者参数完全一致
	Scharr(gray_src, xgrad, CV_16S, 1, 0, 3);
	Scharr(gray_src, ygrad, CV_16S, 0, 1, 3);

	convertScaleAbs(xgrad, xgrad);
	convertScaleAbs(ygrad, ygrad);
	imshow("xgrad", xgrad);
	imshow("ygrad", ygrad);

	Mat xygrad;
	//直接调用API融合
	addWeighted(xgrad, 0.5, ygrad, 0.5, 0, xygrad);
	imshow("xygrad自动", xygrad);

	//手动融合
	xygrad = Mat(xgrad.size(), xgrad.type());
	for (int row = 0; row < xgrad.rows; row++) {
		for (int col = 0; col < xgrad.cols; col++) {
			int xpx = xgrad.at<uchar>(row, col);
			int ypx = ygrad.at<uchar>(row, col);
			int xypx = xpx + ypx;
			xygrad.at<uchar>(row, col) = saturate_cast<uchar>(xypx);
		}
	}
	imshow("xygrad手动", xygrad);


	waitKey(0);
	return 0;
}


/*

边缘：像素值发生跃迁的地方。可通过一阶导数求得
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，称为一阶微分算子或者求导算子  （拉普拉斯为二阶）

水平梯度Gx，垂直梯度Gy
最终梯度： G=abs(Gx)+abs(Gy);
		   G=pow(Gx*Gx+Gy*Gy,0.5);

*/

运行结果