锐客网

  1. 首页 > it技术 > >

图像处理|OPENCV中的Sobel函数

opencv算法图像处理

【图像处理|OPENCV中的Sobel函数】sobel算子是一种常用的边缘检测算子，是一阶的梯度算法。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。它进行处理的模板如下：
图像处理|OPENCV中的Sobel函数
文章图片

其中，Gx是横向的算子，Gy是纵向的算子。
原图像记为f，则
GX = Gx*f
GY = Gy*f
Gx =-1*f(x-1, y-1) + 0*f(x,y-1) + 1*f(x+1,y-1)+(-2)*f(x-1,y) + 0*f(x,y)+2*f(x+1,y)+(-1)*f(x-1,y+1) + 0*f(x,y+1) + 1*f(x+1,y+1)
Gy =1* f(x-1, y-1) + 2*f(x,y-1)+ 1*f(x+1,y-1)+0*f(x-1,y) 0*f(x,y) + 0*f(x+1,y)+(-1)*f(x-1,y+1) + (-2)*f(x,y+1) + (-1)*f(x+1, y+1)
GX，GY代表利用模板对原图像卷积的结果。
对于原图像中的每一个像素，在3*3的模板中进行上述的卷积，得到GX、GY，则最后该像素的灰度值近似为：
G = |GX|+|GY|
如果G大于某一个阈值，则认定该点为一个边缘点。
上述的处理可以同时进行两个方向的处理，当需要突出图像某一个方向的边缘信息时，也可以只进行其中一个方向的处理。
在opencv3.1.0中，sobel算子在C++中的函数原型如下：
void Sobel(InputArray src, OutputArray dst, int ddepth, int dx, int dy, int ksize=3, double scale=1, double delta=0, int borderType=BORDER_DEFAULT )
函数参数解释：
InputArray src：输入的原图像，Mat类型
OutputArray dst：输出的边缘检测结果图像，Mat型，大小与原图像相同。
int ddepth：输出图像的深度，针对不同的输入图像，输出目标图像有不同的深度，具体组合如下：
- 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
- 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
- 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
- 若src.depth() = CV_64F, 取ddepth = -1/CV_64F
注：ddepth =-1时，代表输出图像与输入图像相同的深度。
int dx：int类型dx，x 方向上的差分阶数，1或0
int dy：int类型dy，y 方向上的差分阶数，1或0
其中，dx=1，dy=0，表示计算X方向的导数，检测出的是垂直方向上的边缘；dx=0，dy=1，表示计算Y方向的导数，检测出的是水平方向上的边缘。
int ksize：为进行边缘检测时的模板大小为ksize*ksize，取值为1、3、5和7，其中默认值为3。特殊情况：ksize=1时，采用的模板为3*1或1*3。
当ksize=3时，Sobel内核可能产生比较明显的误差，此时，可以使用 Scharr 函数，该函数仅作用于大小为3的内核。具有跟sobel一样的速度，但结果更精确，其内核为：
图像处理|OPENCV中的Sobel函数
文章图片

其调用格式为：
Scharr( src_gray, grad_x, ddepth, 1, 0, 1, 0, BORDER_DEFAULT );
Scharr( src_gray, grad_y, ddepth, 0, 1, 1, 0, BORDER_DEFAULT );
等价于：
/// 求 X方向梯度
Sobel(src_gray,grad_x,ddepth, 1, 0, CV_SCHARR, scale, delta, BORDER_DEFAULT );
/// 求 Y方向梯度
Sobel(src_gray,grad_y,ddepth, 0, 1, CV_SCHARR, scale, delta, BORDER_DEFAULT );
double scale：默认1。
double delta：默认0。
int borderType：默认值为BORDER_DEFAULT。
sobel算法代码实现过程为：
/// 求 X方向梯度
Sobel( src_gray, grad_x, ddepth, 1, 0, 3, scale, delta, BORDER_DEFAULT );
/// 求 Y方向梯度
Sobel( src_gray, grad_y, ddepth, 0, 1, 3, scale, delta, BORDER_DEFAULT );
convertScaleAbs( grad_x, abs_grad_x );
convertScaleAbs( grad_y, abs_grad_y );
addWeighted( dst_x, 0.5, dst_y, 0.5, 0, dst); //一种近似的估计

    推荐阅读


    上一篇：HTML5 布局-固定宽度

    下一篇：go的gin框架使用（一）（Hello World）