一、sobel算法簡介
索貝爾算子(Sobel operator)主要用作邊緣檢測,它是一離散性差分算子,它結合了高斯平滑和微分求導,用來運算圖像亮度函數的灰度之近似值。在圖像的任何一點使用此算子,將會產生對應的灰度矢量或是其法矢量。
Sobel算子根據像素點上下、左右鄰點灰度加權差,在邊緣處達到極值這一現象檢測邊緣。對噪聲具有平滑作用,提供較爲精確的邊緣方向信息,邊緣定位精度不夠高。當對精度要求不是很高時,是一種較爲常用的邊緣檢測方法。
二、sobel算法的計算過程
1、假設Sobel卷積因子爲:
2、上面的算子包含兩組3x3的矩陣,分別爲橫向及縱向,將之與圖像作平面卷積,即可分別得出橫向及縱向的亮度差分近似值。如果以A代表原始圖像,Gx及Gy分別代表經橫向及縱向邊緣檢測的圖像灰度值,其公式如下:
3、圖像的每一個像素的橫向及縱向灰度值通過以下公式結合,來計算該點灰度的大小,如果梯度G大於某一閥值 則認爲該點(x,y)爲邊緣點:
4、用以下公式計算梯度方向:
三、OpenCV中Sobel( )函數解析
函數的格式如下:
void Sobel (
InputArray src,//輸入圖
OutputArray dst,//輸出圖
int ddepth,//輸出圖像的深度
int dx,
int dy,
int ksize=3,
double scale=1,
double delta=0,
int borderType=BORDER_DEFAULT );
第一個參數,InputArray 類型的src,爲輸入圖像。
第二個參數,OutputArray類型的dst,爲目標圖像,函數的輸出參數需要和源圖片有一樣的尺寸和類型。
第三個參數,int類型的ddepth,輸出圖像的深度,支持如下src.depth()和ddepth的組合:
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
第四個參數,int類型dx,x 方向上的差分階數。
第五個參數,int類型dy,y方向上的差分階數。
第六個參數,int類型ksize,有默認值3,表示Sobel核的大小,必須取1,3,5或7。
第七個參數,double類型的scale,計算導數值時可選的縮放因子,默認值是1,表示默認情況下是沒有應用縮放的。
第八個參數,double類型的delta,表示在結果存入目標圖(dst)之前可選的delta值,有默認值0。
第九個參數, int類型的borderType,邊界模式,默認值爲BORDER_DEFAULT。
四、sobel算法實例
1、代碼
#include <opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
int main()
{
//【0】創建 grad_x 和 grad_y 矩陣
Mat grad_x, grad_y;
Mat abs_grad_x, abs_grad_y, dst;
//【1】載入原始圖
Mat src = imread("1.jpg");
//【2】顯示原始圖
imshow("【原始圖】sobel邊緣檢測", src);
//【3】求 X方向梯度
Sobel(src, grad_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT);
convertScaleAbs(grad_x, abs_grad_x);
imshow("【效果圖】 X方向Sobel", abs_grad_x);
//【4】求Y方向梯度
Sobel(src, grad_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT);
convertScaleAbs(grad_y, abs_grad_y);
imshow("【效果圖】Y方向Sobel", abs_grad_y);
//【5】合併梯度(近似)
addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst);
imshow("【效果圖】整體方向Sobel", dst);
waitKey(0);
return 0;
}
2、運行結果
(1)原圖:
(2)X方向的sobel:
(3)Y方向的sobel:
(4)整體方向的sobel: