OpenCV实现Sobel边缘检测的示例 OpenCV实现Sobel边缘检测的示例

一、Sobel算法

1、算法概述
2、主要函数

二、C++代码

三、python代码

四、结果展示

五、相关链接

一、Sobel算法
1、算法概述
Sobel边缘检测算法比较简单，实际应用中效率比canny边缘检测效率要高，但是边缘不如Canny检测的准确，然而在很多实际应用的场合，sobel边缘却是首选，Sobel算子是高斯平滑与微分操作的结合体，所以其抗噪声能力很强，用途较多。尤其是在对效率要求较高，而对细纹理不太关系的时候。
【OpenCV实现Sobel边缘检测的示例】使用Sobel算子提取图像边缘分3个步骤：
提取X方向的边缘，X方向一阶Sobel边缘检测算法为：

文章图片

提取Y方向的边缘，Y方向一阶Sobel边缘检测算法为：

文章图片

综合两个方向的边缘信息得到整幅图像的边缘。

2、主要函数

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

src：传入的图像
ddepth：图像的深度
dx、dy：指的是求导的阶数，0表示这个方向上没有求导，所填的数一般为0、1、2。
ksize：是Sobel算子的大小，即卷积核的大小，必须为奇数1、3、5、7。如果ksize=-1，就演变成为3x3的Scharr算子，scale是缩放导数的比例常数，默认情况为没有伸缩系数。
borderType：是判断图像边界的模式，这个参数默认值为cv2.BORDER_DEFAULT。
dst及dst之后的参数都是可选参数。

二、C++代码

#include #include using namespace cv; using namespace std; int main(){ //----------------读取图像----------------- Mat img = imread("1.jpg"); //黑白图像边缘检测结果较为明显 Mat gray_img; cvtColor(img, gray_img, COLOR_BGR2GRAY); Mat resultX, resultY, resultXY; //-------------Sobel边缘检测-------------- //X方向一阶边缘 Sobel(img, resultX, CV_16S, 2, 0, 1); convertScaleAbs(resultX, resultX); //Y方向一阶边缘 Sobel(img, resultY, CV_16S, 0, 1, 3); convertScaleAbs(resultY, resultY); //整幅图像的一阶边缘 resultXY = resultX + resultY; //显示图像 imshow("resultX", resultX); imshow("resultY", resultY); imshow("resultXY", resultXY); waitKey(0); return 0; }

三、python代码

import cv2img = cv2.imread("1.jpg")gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# -------------------Sobel边缘检测------------------------x = cv2.Sobel(gray_img, cv2.CV_16S, 1, 0)y = cv2.Sobel(gray_img, cv2.CV_16S, 0, 1)# cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])# 可选参数alpha是伸缩系数，beta是加到结果上的一个值，结果返回uint类型的图像Scale_absX = cv2.convertScaleAbs(x)# convert 转换scale 缩放Scale_absY = cv2.convertScaleAbs(y)result = cv2.addWeighted(Scale_absX, 0.5, Scale_absY, 0.5, 0)# ----------------------显示结果----------------------------cv2.imshow('img', gray_img)cv2.imshow('Scale_absX', Scale_absX)cv2.imshow('Scale_absY', Scale_absY)cv2.imshow('result', result)cv2.waitKey(0)cv2.destroyAllWindows()

四、结果展示 1、灰度图