图像清晰度评价（模组自动对焦）Sobel算子--OpenCV

VS 2019
opencv-4.2.0-vc14_vc15

图像卷积及其滤波
Definition：convolution、noise reduction/smoothing/coherence/incoherence。
用coherence的灰度值取代incoherence的灰度值

Tenengrad梯度方法
Tenengrad梯度方法利用Sobel算子分别计算水平和垂直方向的梯度，同一场景下梯度值越高，图像越清晰。
经过Sobel算子处理后的图像的平均灰度值，值越大，代表图像越清晰。

Sobel( InputArray src, OutputArray dst, int ddepth,int dx, int dy, int ksize=3, double scale=1, double delta=0, int borderType=BORDER_DEFAULT );

函数参数介绍：
1、int ddepth ： 图像深度，或者说图像处理后值的大小范围
2、dx，dy ：决定是对横向和纵向的Sobel处理
3、 ksize ：内核矩阵的大小，默认为3
4、 scale ：函数处理后值乘以的系数，即 值scale
5、 delta ：函数处理后值的补偿， 即值scale + delta
函数使用：
cv::Sobel(image,sobelX,CV_8U,1,0,3,0.4,128);
cv::Sobel(image,sobelY,CV_8U,0,1,3,0.4,128);
cv::Sobel(image,outimage,CV_8U, 1,1);

#include 
#include 
#include 
#include 
#include   
#include   
#include   


using namespace std;
using namespace cv;
// Tenengrad梯度方法
int main()
{
	Mat imageSource = imread("D:\Project\testoutpic\1.jpg");
	Mat imageGrey;

	if (imageSource.empty())
	{

		cout << "could not load image..." << endl;

		return -1;
	}
	cvtColor(imageSource, imageGrey, CV_RGB2GRAY);
	Mat imageSobel;
	Sobel(imageGrey, imageSobel, CV_8U, 1, 1);

	//图像的平均灰度
	double meanValue = 0.0;
	meanValue = mean(imageSobel)[0];

	//double to string
	stringstream meanValueStream;
	string meanValueString;
	meanValueStream << meanValue;
	meanValueStream >> meanValueString;
	meanValueString = "Articulation(Sobel Method): " + meanValueString;
	putText(imageSource, meanValueString, Point(20, 50), FONT_HERSHEY_COMPLEX_SMALL, 0.8, Scalar(0, 0, 255), 2);
	//在imageSource图片上，显示Articulation(Sobel Method):+ meanValueString，位置在（20,50），字体类型为FONT_HERSHEY_COMPLEX_SMALL，字体大小为0.8，颜色为红色，字体厚度为2，线型默认为8.
	imshow("Articulation", imageSource);

	waitKey(0);

	cout << "Hello,world." << endl;

	return 0;
}