opencv入门：Sobel算子

图像梯度

图像梯度计算的是图像变化的速度。图像边缘部分灰度值变化大，梯度值也较大，图像中平滑的部分梯度小。一般来说图像梯度计算的是图像的边缘信息。

若图像的某个线条左侧和右侧的像素值的差值不为零，那就是边界，相同就是边界。将这个运算关系进一步优化就可以获得更复杂的边缘信息。

Sobel 理论基础

Sobel 算子是一种离散的微分算子，结合高斯平滑和微分求导运算。该算子利用局部差分寻找边缘（近似等于微分），计算所得的是一个梯度的近似值。这个就是用来边缘检测的。

滤波器通常指由一幅图像根据像素点(x,y) 临近的区域计算得到另外一副新图像的算法。滤波器是由邻域及预定义的操作构成，规定了滤波时采用的形状和该区域内像素值的组成规律。滤波器也成为 掩模 ，核，模板，窗口，算子等。我们之前看到的卷积就是一种线性滤波器，滤波的目标像素值等于原始像素值及其周围像素值的加权和。这里我们用算子来表示各种滤波器。Sobel 算子就是Sobel 滤波器。

1. 计算水平方向偏导数的近似值
   将 sobel算子与原始图像进行卷积计算，可以计算水平方向上像素值的变化情况。我高数学的偏导到底有什么用。。。。
   
   计算像素点P5 的水平方向的频道上，需要实用 sobel算子及 P5 邻域点P5x = (P3-P1) + 2·(P6-P4) + (P9-P7)

就是P5右边的值减去左边的值，中间的像素点距离像素点P5近，权重较大。相关原理，女少口阿

2. 垂直方向偏导的近似值P5y = (P7-P1) + 2·(P8-P2) + (P9-P3)

Sobel算子及函数使用

dst = cv2.Sobel( src, ddepth, dx, dy[,ksize[, scale[, delta[, borderType]]]] )

• ddepth 输出图像的深度
• dx, dy 代表 ,x,y 方向上的求导阶数
• ksize Sobel 核的大小，值为-1 时，会使用 Scharr 算子进行运算
• scale 代表计算导数值时采用的缩放因子，默认1，没有缩放
• delta 代表加在目标图像dst 上的值，可选，默认0

参数ddepth

这个参数可以设置为-1，让处理几个与原图保持一致，但是这种结果可能是错误的。实际中，计算梯度值可能为负数，如果处理的图像是8位图类型，ddepth 为-1 嗲表指定运算结果是8位图类型，所有负数会自动截断为0，发生信息丢失，在计算时要先使用更高的数据类型 cv2.CV_64F，再通过取绝对值将其映射为 cv2.CV_8U 八位图类型，所以这个参数通常设置为cv2.CV_64F。

一个二值图，黑0白1. 当右侧像素值减去左侧像素值始得到的近似偏导数的值为-1 时就是A线条所在的列。值为1就是B线条所在的列。如果直接计算，A位置的值为负数，自动处理为0，就跟非边缘的部分一样，如果加个绝对值，就处理成1，那就可以了。

dst = cv2.convertScaleAbs( src [, alpha[, beta]] ) 位深转化函数，使用这个对参数取绝对值

• alpha 调节系数，可选默认1
• beta调节亮度值，默认0
• 这个函数的作用是将原始图像是转换为256位图 dst=saturate(src*alpha+beta) saturate 表示计算结果的最大值是饱和值，

具体数据处理方式如下：

(1). 对于src*alpha+beta的结果如果是负值且大于-255，则直接取绝对值；

(2). 对于src*alpha+beta的结果如果大于255，则取255；

(3). 对于src*alpha+beta的结果是负值，且小于-255，则取255；

(4). 对于src*alpha+beta的结果如果在0-255之间，则保持不变；

img=np.random.randint(-256,256,size=[4,5],dtype=np.int16)
rst=cv2.convertScaleAbs(img)
print("img=\n",img)
print("rst=\n",rst)

img=
 [[ 147 -106  249  188 -132]
 [-225   56 -112 -116 -123]
 [  -6  146  143 -134   60]
 [-158 -160  130 -225 -240]]
rst=
 [[147 106 249 188 132]
 [225  56 112 116 123]
 [  6 146 143 134  60]
 [158 160 130 225 240]]

方向

在函数cv2.Sobel() 中参数 dx dy 表示 x,y轴方向的求导阶数，通常的值为0或1.最大值为2.0表示再该方向上不求导，当然这两个参数不能同时为零.，一下的参数也可以是2.

1. 计算x 方向边缘（梯度） dx=1, dy=0, 只计算水平方向的边缘。
2. 计算y方向边缘（梯度）：dx=0,dy=1 ,
3. 参数dx与参数dy的值均为 1：dx=1,dy=1 ，这个获得的图不明显，只可以看到一些小白点，每个点的大小都是一个像素
4. 计算x方向和y方向的边缘叠加

dx= cv2.Sobel( src , ddepth , 1 , 0 )    # 叠加方式，分别获取两个方向的边缘图，然后相加
dy= cv2.Sobel( src , ddepth , 0 , 1 )
dst=cv2.addWeighted( src1 , alpha , src2 , beta , gamma ）

实例

o=cv2.imread('13.jpg',0) # 读为单通道灰度图
Sobelx=cv2.Sobel(o,-1,1,0)  # 深度为原图的8位图像
cv2.imshow("original",o)
cv2.imshow("x",Sobelx)
cv2.waitKey()
cv2.destroyAllWindows()

可以看到只获得黑色框的右边界，因为左边界运算得到了负值，被处理成0就没有显示，y轴方向的一样。

o = cv2.imread('5.jpg',0)
Sobelx = cv2.Sobel(o,cv2.CV_64F,1,0)
Sobely = cv2.Sobel(o,cv2.CV_64F,0,1)
Sobelx = cv2.convertScaleAbs(Sobelx) 
Sobely = cv2.convertScaleAbs(Sobely) 
Sobelxy = cv2.addWeighted(Sobelx,0.5,Sobely,0.5,0) 
Sobelxy11=cv2.Sobel(o,cv2.CV_64F,1,1)
Sobelxy11=cv2.convertScaleAbs(Sobelxy11) 
cv2.imshow("original",o)
cv2.imshow("xy",Sobelxy)
cv2.imshow("xy11",Sobelxy11)
cv2.waitKey()
cv2.destroyAllWindows()

效果 针不戳，，，当然彩图也是可以的，就是得到的轮廓不是黑白。。。

祝我明天四级过过过 ！！！！！！！！！