Opencv(C++)笔记--Sobel算子

1--Sobel算子

1-1--原理

        Sobel算子的构成如下图所示：

        基于 Sobel 算子可以实现对图像的边缘检测，Gx常用于提取纵向边缘，Gy则常用于提取横向边缘；

1-2--Opencv API

         在 ddeth 参数上，使用 cv::CV_16S 处理 8 位原图像，因为经过 Sobel 算子处理，像素值会发生溢出：

1-3--代码实例

#include 
# include

int main(int argc, char** argv){
    cv::Mat src;
    src = cv::imread("C:/Users/Liujinfu/Desktop/opencv_bilibili/test1.jpg");
    if (src.empty()){
        printf("could not load image..\n");
        return -1;
    }
    cv::imshow("input", src);
    
    cv::Mat dst1, dst2;
    cv::Sobel(src, dst1, 3, 1, 0, 3); // 使用Gx
    cv::Sobel(src, dst2, 3, 0, 1, 3); // 使用Gy

    cv::convertScaleAbs(dst1, dst1);
    cv::convertScaleAbs(dst2, dst2);
    cv::imshow("dst1", dst1);
    cv::imshow("dst2", dst2);

    cv::waitKey(0);

    return 0;
}

         由上图结果可知，Gx能够较好地检测纵向边缘，而Gy能够较好地检测横向边缘；

        上面的代码用到了 cv::convertScaleAbs() 函数，其作用是将任意类型的数据转化为 CV_8U；具体数据处理方法如下：

① 对于 src * alpha + beta 的结果，如果是负值且大于 -255，则取绝对值；

② 对于 src * alpha + beta 的结果，如果大于 255，则取 255；

③ 对于 src * alpha + beta 的结果，如果是负值且小于 -255，则取 255；

④ 对于 src * alpha + beta 的结果，如果在 0 - 255 之间，则保持不变；

1-4--Scharr算子

        OpenCV 提供了一个类似 Sobel 算子的函数，即 cv::Scharr()，其 API 如下：

        cv::Scharr() 对应的 Scharr 算子如下图所示：

         代码测试：

#include 
# include

int main(int argc, char** argv){
    cv::Mat src;
    src = cv::imread("C:/Users/Liujinfu/Desktop/opencv_bilibili/test1.jpg");
    if (src.empty()){
        printf("could not load image..\n");
        return -1;
    }
    cv::imshow("input", src);
    
    cv::Mat dst1, dst2;
    cv::Scharr(src, dst1, 3, 1, 0, 3); // 使用Gx
    cv::Scharr(src, dst2, 3, 0, 1, 3); // 使用Gy

    cv::convertScaleAbs(dst1, dst1);
    cv::convertScaleAbs(dst2, dst2);
    cv::imshow("dst1", dst1);
    cv::imshow("dst2", dst2);

    cv::waitKey(0);
    return 0;
}

1-5--扩展操作

① 将 Gx 和 Gy 的结果进行融合

#include 
# include

int main(int argc, char** argv){
    cv::Mat src;
    src = cv::imread("C:/Users/Liujinfu/Desktop/opencv_bilibili/test1.jpg");
    if (src.empty()){
        printf("could not load image..\n");
        return -1;
    }
    cv::imshow("input", src);
    
    cv::Mat dst1, dst2;
    cv::Sobel(src, dst1, 3, 1, 0, 3); // 使用Gx
    cv::Sobel(src, dst2, 3, 0, 1, 3); // 使用Gy

    cv::convertScaleAbs(dst1, dst1);
    cv::convertScaleAbs(dst2, dst2);
    cv::imshow("dst1", dst1);
    cv::imshow("dst2", dst2);

    cv::Mat dst3 = cv::Mat(dst1.size(), dst1.type()); // 初始化图像
    // // 遍历像素值，融合两幅图像
    // for(int row = 0; row < dst1.rows; row++){
    //     for(int col = 0; col < dst1.cols; col++){
    //         int x = dst1.at(row, col);
    //         int y = dst2.at(row, col);
    //         int xy = x + y;
    //         //printf("%d \n", xy);
    //         dst3.at(row, col) = cv::saturate_cast(xy);
    //     }
    // }
    cv::addWeighted(dst1, 0.5, dst2, 0.5, 0, dst3);
    cv::imshow("dst3", dst3);
    cv::waitKey(0);

    return 0;
}