OpenCV 边缘检测 Sobel

Posted 2021-02-20 ybqjymy

 1 //-----------------------------------【头文件包含部分】---------------------------------------  
 2 //            描述：包含程序所依赖的头文件  
 3 //----------------------------------------------------------------------------------------------  
 4 #include <opencv2/opencv.hpp>  
 5 #include<opencv2/highgui/highgui.hpp>  
 6 #include<opencv2/imgproc/imgproc.hpp>  
 7   
 8 //-----------------------------------【命名空间声明部分】---------------------------------------  
 9 //            描述：包含程序所使用的命名空间  
10 //-----------------------------------------------------------------------------------------------  
11 using namespace cv;  
12 //-----------------------------------【main( )函数】--------------------------------------------  
13 //            描述：控制台应用程序的入口函数，我们的程序从这里开始  
14 //-----------------------------------------------------------------------------------------------  
15 int main( )  
16 {  
17     //【0】创建 grad_x 和 grad_y 矩阵  
18     Mat grad_x, grad_y;  
19     Mat abs_grad_x, abs_grad_y,dst;  
20   
21     //【1】载入原始图  
22     Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  
23   
24     //【2】显示原始图  
25     imshow("【原始图】sobel边缘检测", src);  
26   
27     //【3】求 X方向梯度  
28     Sobel( src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT );  
29     convertScaleAbs( grad_x, abs_grad_x );  
30     imshow("【效果图】 X方向Sobel", abs_grad_x);  
31   
32     //【4】求Y方向梯度  
33     Sobel( src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT );  
34     convertScaleAbs( grad_y, abs_grad_y );  
35     imshow("【效果图】Y方向Sobel", abs_grad_y);  
36   
37     //【5】合并梯度(近似)  
38     addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst );  
39     imshow("【效果图】整体方向Sobel", dst);  
40   
41     waitKey(0);  
42     return 0;  
43 }  

 Sobel 算子是一个主要用作边缘检测的离散微分算子 (discrete differentiation operator)。它Sobel算子结合了高斯平滑和微分求导，用来计算图像灰度函数的近似梯度。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。

 

    sobel算子的计算过程：

 

    我们假设被作用图像为 I.然后进行如下的操作：

 

    1.分别在x和y两个方向求导。

 

        ①水平变化: 将 I 与一个奇数大小的内核Gx进行卷积。比如，当内核大小为3时, Gx的计算结果为:

 

 

        ②垂直变化: 将: I 与一个奇数大小的内核Gy进行卷积。比如，当内核大小为3时, Gx的计算结果为:

 

 

    2.在图像的每一点，结合以上两个结果求出近似梯度:

 

 

    另外有时，也可用下面更简单公式代替:

 

。

    如果梯度G大于某一阈值，则认为该点（x,y）为边缘点。

 

原始图像：

边缘检测后的图像：