【OpenCv】边缘处理
原理：
边缘是像素值发生跃迁的地方，是图像的显著特征之一，一般对图像求取导数求得，运用卷积操作进行运算。常用的算子有Robert算子、Sobel算子、拉普拉斯算子。
Robert算子 Sobel算子 拉普拉斯算子
Scharr算子
在图像卷积的时候边界像素，由于边界像素不能跟卷积核（kernel）完全重叠，不能被卷积操作，所以当3*3滤波时候有一个像素的边缘没被处理，5*5滤波的时候有2个像素的边缘没有被处理。所以在卷积的时候需要对边缘部分进行处理，一般使用填充法处理，在边缘部分增加像素，一般增加的像素值填充为0或者255，如：对于3*3的卷积核，需要在图像的四周边缘填充一个像素0或者255，对5*5的卷积核，需要在图像的四周边缘填充两个像素0或者255，卷积处理之后再去掉这些边缘。常用的Opencv填充法有以下几种：
BORDER_DEFAULT：Opencv默认的处理方法，将就近的像素进行映射
BORDER_CONSTANT：常量法，以一个常量像素值（由参数value给定）填充扩充的边界
BORDER_REPLICATE：复制法，复制最边缘的像素值
BORDER_REFLECT_101：对称法，以最边缘像素为轴，对称复制
BORDER_WRAP：用另一边的像素来补偿填充
给图像添加边缘的API：
copyMakeBorder(Mat src//输入图像,Mat dst//添加边缘后的图像,int top//边缘长度，一般上下左右取相同值，下面三个参数分别为下、左、右,int bottom,int left,int right,int borderType//填充边缘的方法,Scalar value//填充值）
Sobel算子的API：
Sobel(src//输入图像,dst//输出图像，大小和输入图像一致，int depth//输出图像深度，int dx//x方向的几阶导数，int dy//y方向的几阶导数，int ksize//sobel算子kernel大小，必须是1、3、5、7...奇数，double scale=1,double delta=0,int borderType= //边缘填充方式自己选）
Opencv使用改进Sobel算子版本的API：
Scharr(src//输入图像,dst//输出图像,int depth//输出图像深度,int dx//x方向，几阶导数,int dy//y方向，几阶导数,double scale=1.0,double delta=0.0,int borderType= //边缘填充方式，自己选)
Laplacian(拉普拉斯算子)的API：
Laplacian(src,dst,depth,ksize,double scale=1.0,double delta=0.0,int borderType=4)里面的参数含义和上面一致。
示例
边缘填充
#include
#include
#include
using namespace cv;
int main(int argc, char** argv) {
Mat src, dst;
src = imread("D:/test.png");
if (!src.data) {
printf("could not load image...\n");
return -1;
}
char INPUT_WIN[] = "input image";
char OUTPUT_WIN[] = "Border Demo";
namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
namedWindow(OUTPUT_WIN, CV_WINDOW_AUTOSIZE);
imshow(INPUT_WIN, src);
int top = (int)(0.05*src.rows);
int bottom = (int)(0.05*src.rows);
int left = (int)(0.05*src.cols);
int right = (int)(0.05*src.cols);
RNG rng(12345);
int borderType = BORDER_DEFAULT;
int c = 0;
while (true) {
c = waitKey(500);
// ESC
if ((char)c == 27) {
break;
}
if ((char)c == 'r') {
borderType = BORDER_REPLICATE;
} else if((char)c == 'w') {
borderType = BORDER_WRAP;
} else if((char)c == 'c') {
borderType = BORDER_CONSTANT;
}
Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
copyMakeBorder(src, dst, top, bottom, left, right, borderType, color);
imshow(OUTPUT_WIN, dst);
}
GaussianBlur(src, dst, Size(5, 5), 0, 0);
imshow(OUTPUT_WIN, dst);
waitKey(0);
return 0;
} 填充后的效果
左面原图，右面填充后的效果图
Soble算子操作
#include
#include
#include
using namespace cv;
int main(int argc, char** argv) {
Mat src, dst;
src = imread("D:/test.png");
if (!src.data) {
printf("could not load image...\n");
return -1;
}
char INPUT_TITLE[] = "input image";
char OUTPUT_TITLE[] = "sobel-demo";
namedWindow(INPUT_TITLE, CV_WINDOW_AUTOSIZE);
namedWindow(OUTPUT_TITLE, CV_WINDOW_AUTOSIZE);
imshow(INPUT_TITLE, src);
/*灰度转换*/
Mat gray_src;
GaussianBlur(src, dst, Size(3, 3), 0, 0);
cvtColor(dst, gray_src, CV_BGR2GRAY);
imshow("gray image", gray_src);
Mat xgrad, ygrad;
Scharr(gray_src, xgrad, CV_16S, 1, 0);//x方向上的改进soble操作
Scharr(gray_src, ygrad, CV_16S, 0, 1);//y方向上的改进soble操作
// Sobel(gray_src, xgrad, CV_16S, 1, 0, 3);
// Sobel(gray_src, ygrad, CV_16S, 0, 1, 3);
convertScaleAbs(xgrad, xgrad);//数据转化到0-255区间
convertScaleAbs(ygrad, ygrad);
imshow("xgrad", xgrad);
imshow("ygrad", ygrad);
/*x、y方向上的改进soble操作*/
Mat xygrad = Mat(xgrad.size(), xgrad.type());
printf("type : %d\n", xgrad.type());
int width = xgrad.cols;
int height = ygrad.rows;
for (int row = 0; row < height; row++) {
for (int col = 0; col < width; col++) {
int xg = xgrad.at(row, col);//在坐标（row,col)处的像素点值赋给xg
int yg = ygrad.at(row, col);
int xy = xg + yg;
xygrad.at(row, col) = saturate_cast(xy);//saturate_cast防止数据溢出
}
}
//addWeighted(xgrad, 0.5, ygrad, 0.5, 0, xygrad);
imshow(OUTPUT_TITLE, xygrad);
waitKey(0);
return 0;
} 结果图
Laplcian方法处理同Soble方法，不再做示例。
你只要微笑，生活就很好！