Sobel算子-边界检测-蒲公英云

Sobel算子-边界检测

OpenCV官方教程

原理

Sobel算子

近似计算图像梯度

Horizontal 方向的变化： I I I是输入图像，算出的 G x : G_x: Gx: [ − 1 0 + 1 − 2 0 + 2 − 1 0 + 1 ] ∗ I \left[ \begin{matrix} -1 & 0 & +1 \\ -2& 0 & +2 \\ -1 & 0 & +1 \end{matrix} \right]*I ⎣⎡−1−2−1000+1+2+1⎦⎤∗I
Vertical 方向的变化： I I I是输入图像， G y : G_y: Gy:

[ − 1 − 2 − 1 0 0 0 + 1 + 2 + 1 ] ∗ I \left[ \begin{matrix} -1 & -2 & -1 \\ 0 &0 & 0 \\ +1& +2 & +1 \end{matrix} \right] *I ⎣⎡−10+1−20+2−10+1⎦⎤∗I
输入图像每个像素点的梯度 G = G x 2 + G y 2 G=\sqrt{G_x^2+G_y^2} G=Gx2+Gy2
有时候使用以下来近似： G = ∣ G x ∣ + ∣ G y ∣ G=|G_x|+|G_y| G=∣Gx∣+∣Gy∣

Scharr

比Sobel更加精确

例程

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{ 
    Mat image, src,src_gray;
    Mat grad;
    const String window_name = "Sobel Demo";
    int ksize = 1;
    int scale = 1;
    int delta = 0;
    int ddepth = CV_16S; //进行Sobel操作可能有负值，所以改变深度
    String ImageName = "../res/lena.jpg";
    image = imread(ImageName,cv::IMREAD_COLOR);
    if(image.empty())
    { 
        cout << "can't load the image" << endl;
        return -1;
    }
    for(;;)
    { 
        cv::GaussianBlur(image,src,Size(3,3),0,0); //先滤波，去除噪声
        cv::cvtColor(src,src_gray,cv::COLOR_BGR2GRAY);// 转成灰度图像
        Mat grad_x, grad_y;  
        Mat abs_grad_x,abs_grad_y;
        Sobel(src_gray,grad_x,ddepth,1,0,ksize,scale,delta); //对x方向进行Sobel操作
        Sobel(src_gray,grad_y,ddepth,0,1,ksize,scale,delta);// 对y方向进行 Sobel操作
        cv::convertScaleAbs(grad_x,abs_grad_x);  //得到结果的绝对值，
        cv::convertScaleAbs(grad_y,abs_grad_y);
        cv::addWeighted(abs_grad_x,0.5,abs_grad_y,0.5,0,grad); //再将x和y方向的结果结合到一起
        imshow(window_name,grad);
        char key =(char)waitKey(0);
        if(key == 27)
        { 
            return 0 ;
        }
        if(key =='K' || key == 'k')
        { 
            ksize = ksize < 30 ? ksize+2 :-1;
        }
        if(key == 's' || key == 'S')
        { 
            scale ++;
        }
        if(key == 'd' || key == 'D') 
        { 
            delta++;
        }
        if(key == 'r' || key == 'R') //默认参数
        { 
            scale = 1;
            ksize = -1;
            delta = 0;
        }
    }
    return 0;
};

结果：
在这里插入图片描述

OpenCV API

void cv::Sobel
(
InputArray src, //输入图像
OutputArray dst, //输出图像（和src一样大小、通道数）
int ddepth, //输出图像的深度，见下图
int dx, // 为1 则是 x方向上的求导，否则为0
int dy, //为1 则是 y方向上的求导，否则为0
int ksize = 3, //Sobel核的大小，必须是1,3,5,7
double scale = 1, //算出结果乘以这个值，比例因子
double delta = 0, // 最后处理结果，加上这个值
int borderType = BORDER_DEFAULT //边界处理
)

void cv::convertScaleAbs ：计算绝对值再转成8位
(
InputArray src, //
OutputArray dst, //
double alpha = 1, //
double beta = 0 //
)
计算公式： d s t ( I ) = s a t u r a t e _ c a s t < u c h a r > ( ∣ s r c ( I ) ∗ a l p h a + b e t a ∣ ) dst(I)=saturate\_cast(|src(I)∗alpha+beta|) dst(I)=saturate_cast(∣src(I)∗alpha+beta∣)

void cv::addWeighted：按权重计算两个图像的和
(
InputArray src1, //
double alpha, //
InputArray src2, //
double beta, //
double gamma, //
OutputArray dst, //
int dtype = -1 // optional depth of the output array
)
计算公式： d s t = s a t u r a t e （ s r c 1 ∗ a l p h a + s r c 2 ∗ b e t a + g a m m a ; ） dst = saturate（src1*alpha + src2*beta + gamma;） dst=saturate（src1∗alpha+src2∗beta+gamma;）