OpenCV边缘检测：Sobel算子

基础概念：

图像梯度:

G(x,y) = dx i + dy j; 
dx(i,j) = I(i+1,j) - I(i,j); 
dy(i,j) = I(i,j+1) - I(i,j); 

其中，I是图像像素的值(如：RGB值)，(i,j)为像素的坐标

理解卷积：

https://blog.csdn.net/bitcarmanlee/article/details/54729807

图片处理(卷积):

http://blog.sina.com.cn/s/blog_4bdb170b01019atv.html
注：只稍微做一点了解，看了前面一小部分

概念重点提要：

图像边缘,相素值会发生显著的变化了。表示这一改变的一个方法是使用导数。梯度值的大变预示着图像中内容的显著变化。用更加形象的图像来解释,假设我们有一张一维图形。下图2中灰度值的”跃升”表示边缘的存在，图3中使用一阶微分求导我们可以更加清晰的看到边缘”跃升”的存在。

由上述公式计算得到Gy和Gx后，可以计算得到G的值，一个点的G的代表该点的梯度，如果大于某一设定范围则认为该点是边缘点。

图像梯度，水平差分处理监测竖直，对x求1阶导数用来检测竖直边缘，sobel算子

细节概念梳理

水平差分处理监测竖直，对x求1阶导数用来检测竖直边缘，sobel算子

https://blog.csdn.net/chaipp0607/article/details/54348624
https://blog.csdn.net/xiaqunfeng123/article/details/17302003
最后看https://blog.csdn.net/poem_qianmo/article/details/25560901，就懂了

总体归纳

https://blog.csdn.net/sophia_xw/article/details/70168554

实验代码：

①

来源：

https://blog.csdn.net/poem_qianmo/article/details/25560901

//-----------------------------------【头文件包含部分】---------------------------------------  
//            描述：包含程序所依赖的头文件  
//----------------------------------------------------------------------------------------------  
#include   
#include  
#include  

//-----------------------------------【命名空间声明部分】---------------------------------------  
//            描述：包含程序所使用的命名空间  
//-----------------------------------------------------------------------------------------------  
using namespace cv;  
//-----------------------------------【main( )函数】--------------------------------------------  
//            描述：控制台应用程序的入口函数，我们的程序从这里开始  
//-----------------------------------------------------------------------------------------------  
int main( )  
{  
    //【0】创建 grad_x 和 grad_y 矩阵  
    Mat grad_x, grad_y;  
    Mat abs_grad_x, abs_grad_y,dst;  

    //【1】载入原始图    
    Mat src = imread("1.jpg");  //工程目录下应该有一张名为1.jpg的素材图  

    //【2】显示原始图   
    imshow("【原始图】sobel边缘检测", src);   

    //【3】求 X方向梯度  
    Sobel( src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT );  
    convertScaleAbs( grad_x, abs_grad_x );  
    imshow("【效果图】 X方向Sobel", abs_grad_x);   

    //【4】求Y方向梯度  
    Sobel( src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT );  
    convertScaleAbs( grad_y, abs_grad_y );  
    imshow("【效果图】Y方向Sobel", abs_grad_y);   

    //【5】合并梯度(近似)  
    addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst );  
    imshow("【效果图】整体方向Sobel", dst);   

    waitKey(0);   
    return 0;   
}

②

来源：

http://blog.csdn.net/dcrmg/article/details/52280768

#include "core/core.hpp"      
#include "highgui/highgui.hpp"      
#include "imgproc/imgproc.hpp"      
#include "iostream"    

using namespace std;  
using namespace cv;  

int main(int argc, char *argv[])  
{  
    Mat image = imread("qiaoba.jpg", 0);  
    Mat imageX = Mat::zeros(image.size(), CV_16SC1);  
    Mat imageY = Mat::zeros(image.size(), CV_16SC1);  
    Mat imageXY = Mat::zeros(image.size(), CV_16SC1);  
    Mat imageX8UC;  
    Mat imageY8UC;  
    Mat imageXY8UC;  
    if (!image.data)  
    {  
        return -1;  
    }  
    GaussianBlur(image, image, Size(3, 3), 0); //高斯滤波消除噪点    
    uchar *P = image.data;  
    uchar *PX = imageX.data;  
    uchar *PY = imageY.data;  
    int step = image.step;  
    int stepXY = imageX.step;  
    for (int i = 1; i

sobel用法的想法：

载入灰度图，先滤波，然后x，y方向梯度计算，分别水平/垂直阈值分割二值化，然后加权和；

Sobel优劣：
优点：计算简单，速度很快；

缺点：计算方向单一，对复杂纹理的情况显得乏力；

　　直接用阈值来判断边缘点欠合理解释，会造成较多的噪声点误判。



title: ‘ OpenCV边缘检测：Sobel算子’
date: 2018-03-28 16:54:42
tags: