你们好，最近小活发现有诸多的小伙伴们对于sobel滤波器，sobel这个问题都颇为感兴趣的，今天小活为大家梳理了下，一起往下看看吧。
1、思想：
2、算子使用两个3*3的矩阵算子分别和原始图片作卷积，分别得到横向Gx和纵向Ｇy的梯度值，如果梯度值大于某一个阈值，则认为该点为边缘点；
3、矩阵转换：
4、事实上卷积矩阵也可以由两个一维矩阵卷积而成，在opencv源码中就是用两个一维矩阵卷积生成一个卷积矩阵：
5、梯度值：
6、图像的梯度值由以下公式计算：
7、图像近似梯度值如下：
8、对于原始图像，P5的梯度值为：
9、OpenCV2410，sobel算子函数原型：
10、void Sobel(InputArray src,
11、OutputArray dst,
12、int ddepth,
13、int dx,
14、int dy,
15、int ksize=3,
16、double scale=1,
17、double delta=0,
18、int borderType=BORDER_DEFAULT )
19、函数参数解释：
20、InputArray src：输入的原图像，Mat类型
21、OutputArray dst：输出的边缘检测结果图像，Mat类型，大小与原图像相同。
22、int ddepth：输出图像的深度，针对不同的输入图像，输出目标图像有不同的深度，具体组合如下：
23、- 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
24、- 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
25、- 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
26、- 若src.depth() = CV_64F, 取ddepth = -1/CV_64F
27、注：ddepth =-1时，代表输出图像与输入图像相同的深度。
28、int dx：int类型dx，x 方向上的差分阶数，1或0
29、int dy：int类型dy，y 方向上的差分阶数，1或0
30、其中，dx=1，dy=0，表示计算X方向的导数，检测出的是垂直方向上的边缘；
31、dx=0，dy=1，表示计算Y方向的导数，检测出的是水平方向上的边缘。
32、int ksize：为进行边缘检测时的模板大小为ksize*ksize，取值为1、3、5和7，其中默认值为3。特殊情况：ksize=1时，采用的模板为3*1或1*3。
33、当ksize=3时，Sobel内核可能产生比较明显的误差；
34、double scale：默认1。
35、double delta：默认0。
36、int borderType：默认值为BORDER_DEFAULT。
37、Sobel调用格式：
38、sobel算法代码实现过程为：
39、// 求 X方向梯度
40、Sobel( src_gray, grad_x, ddepth, 1, 0, 3, scale, delta, BORDER_DEFAULT );
41、// 求 Y方向梯度
42、Sobel( src_gray, grad_y, ddepth, 0, 1, 3, scale, delta, BORDER_DEFAULT );
43、convertScaleAbs( grad_x, abs_grad_x );
44、convertScaleAbs( grad_y, abs_grad_y );
45、addWeighted( dst_x, 0.5, dst_y, 0.5, 0, dst); //一种近似的估计
46、Sobel算子实现：
47、#include <opencv2\opencv.hpp>
48、using namespace std;
49、using namespace cv;
50、int main( int argc, char** argv )
51、{
52、 Mat in_img = imread("raw.jpg",0);
53、 if (!in_img.data)
54、 {
55、 return -1;
56、 }
57、 Mat out_img_dx = Mat::zeros(in_img.size(),CV_16SC1);
58、 Mat out_img_dy = Mat::zeros(in_img.size(),CV_16SC1);
59、 Mat out_img_dxy = Mat::zeros(in_img.size(),CV_16SC1);
60、 GaussianBlur(in_img,in_img,Size(3,3),0);
61、 unsigned char* p_data = (unsigned char*)in_img.data;
62、 unsigned char* p_data_dx = (unsigned char*)out_img_dx.data;
63、 unsigned char* p_data_dy = (unsigned char*)out_img_dy.data;
64、 int step = in_img.step;
65、 for (int i=1;i<in_img.rows-1;i++)
66、 {
67、 for (int j=1;j<in_img.cols-1;j++)
68、 {
69、 //通过指针遍历图像上每一个像素
70、 p_data_dx[i*out_img_dx.step+j*(out_img_dx.step/in_img.step)]=abs(p_data[(i-1)*in_img.step+j+1]+2*p_data[i*in_img.step+j+1]+p_data[(i+1)*in_img.step+j+1]
71、 -p_data[(i-1)*in_img.step+j-1]-2*p_data[i*in_img.step+j-1]-p_data[(i+1)*in_img.step+j-1]);
72、 p_data_dy[i*out_img_dy.step+j*(out_img_dy.step/in_img.step)]=abs(p_data[i*in_img.step+j-1]+2*p_data[i*in_img.step+j]+p_data[i*in_img.step+j+1]
73、 -p_data[(i+1)*in_img.step+j-1]-2*p_data[(i+1)*in_img.step+j]-p_data[(i+1)*in_img.step+j+1]);
74、 }
75、 }
76、 addWeighted(out_img_dx,0.5,out_img_dy,0.5,0,out_img_dxy);
77、 Mat img_dx,img_dy,img_dxy;
78、 convertScaleAbs(out_img_dx,img_dx);
79、 convertScaleAbs(out_img_dy,img_dy);
80、 convertScaleAbs(out_img_dxy,img_dxy);
81、 imshow("raw img",in_img);
82、 imshow("x direction",img_dx);
83、 imshow("y direction",img_dy);
84、 imshow("xy direction",img_dxy);
85、 Mat sobel_img;
86、 Sobel(in_img,sobel_img,CV_8UC1,1,1,3);
87、 imshow("opencv sobel",sobel_img);
88、 waitKey( 0 );
89、 return 0;
90、}
91、OpenCV内源码：
92、static void getSobelKernels( OutputArray _kx, OutputArray _ky, int dx, int dy, int _ksize, bool normalize, int ktype )
93、{
94、 int i, j, ksizeX = _ksize, ksizeY = _ksize;
95、 if( ksizeX == 1 && dx > 0 )
96、 ksizeX = 3;
97、 if( ksizeY == 1 && dy > 0 )
98、 ksizeY = 3;
99、 CV_Assert( ktype == CV_32F || ktype == CV_64F );
100、 _kx.create(ksizeX, 1, ktype, -1, true);
101、 _ky.create(ksizeY, 1, ktype, -1, true);
102、 Mat kx = _kx.getMat();
103、 Mat ky = _ky.getMat();
104、 if( _ksize % 2 == 0 || _ksize > 31 )
105、 CV_Error( CV_StsOutOfRange, "The kernel size must be odd and not larger than 31" );
106、 std::vector<int> kerI(std::max(ksizeX, ksizeY) + 1);
107、 CV_Assert( dx >= 0 && dy >= 0 && dx+dy > 0 );
108、 for( int k = 0; k < 2; k++ )
109、 {
110、 Mat* kernel = k == 0 ? &kx : &ky;
111、 int order = k == 0 ? dx : dy;
112、 int ksize = k == 0 ? ksizeX : ksizeY;
113、 CV_Assert( ksize > order );
114、 if( ksize == 1 )
115、 kerI[0] = 1;
116、 else if( ksize == 3 )
117、 {
118、 if( order == 0 )
119、 kerI[0] = 1, kerI[1] = 2, kerI[2] = 1;
120、 else if( order == 1 )
121、 kerI[0] = -1, kerI[1] = 0, kerI[2] = 1;
122、 else
123、 kerI[0] = 1, kerI[1] = -2, kerI[2] = 1;
124、 }
125、 else
126、 {
127、 int oldval, newval;
128、 kerI[0] = 1;
129、 for( i = 0; i < ksize; i++ )
130、 kerI[i+1] = 0;
131、 for( i = 0; i < ksize - order - 1; i++ )
132、 {
133、 oldval = kerI[0];
134、 for( j = 1; j <= ksize; j++ )
135、 {
136、 newval = kerI[j]+kerI[j-1];
137、 kerI[j-1] = oldval;
138、 oldval = newval;
139、 }
140、 }
141、 for( i = 0; i < order; i++ )
142、 {
143、 oldval = -kerI[0];
144、 for( j = 1; j <= ksize; j++ )
145、 {
146、 newval = kerI[j-1] - kerI[j];
147、 kerI[j-1] = oldval;
148、 oldval = newval;
149、 }
150、 }
151、 }
152、 Mat temp(kernel->rows, kernel->cols, CV_32S, &kerI[0]);
153、 double scale = !normalize ? 1. : 1./(1 << (ksize-order-1));
154、 temp.convertTo(*kernel, ktype, scale);
155、 }
156、}
以上就是sobel这篇文章的一些介绍，希望对大家有所帮助。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！