Sobel 边缘检测算子「建议收藏」

Sobel 边缘检测算子「建议收藏」转自:http://blog.csdn.net/xiaqunfeng123/article/details/17302003Sobel算子是一个离散微分算子(discretedifferent

大家好,又见面了,我是你们的朋友全栈君。

转自:http://blog.csdn.net/xiaqunfeng123/article/details/17302003

    Sobel 算子是一个离散微分算子 (discrete differentiation operator)。 它结合了高斯平滑和微分求导,用来计算图像灰度函数的近似梯度。

    图像边缘,相素值会发生显著的变化了。表示这一改变的一个方法是使用 导数 。 梯度值的大变预示着图像中内容的显著变化。用更加形象的图像来解释,假设我们有一张一维图形。下图2中灰度值的”跃升”表示边缘的存在,图3中使用一阶微分求导我们可以更加清晰的看到边缘”跃升”的存在。

Sobel 边缘检测算子「建议收藏」

图1、lena.jpg 

Sobel 边缘检测算子「建议收藏」

 图2、像素一维图形

Sobel 边缘检测算子「建议收藏」

图3、一阶导数

       具体是采用卷积的计算方法实现的。假设被作用的图像为I ,在两个方向上求导:

水平变化求导:将 I 与一个奇数大小的内核 G_{x} 进行卷积。比如,当内核大小为3时, G_{x} 的计算结果为图4a:

垂直变化求导:将 I 与一个奇数大小的内核 G_{y} 进行卷积。比如,当内核大小为3时, G_{y} 的计算结果为图4b:

在图像的每一点,结合以上两个结果求出近似 梯度 ,如图4c:

Sobel 边缘检测算子「建议收藏」

图4a

Sobel 边缘检测算子「建议收藏」

图4b

Sobel 边缘检测算子「建议收藏」

图4c

因为Sobel算子只是求取了导数的近似值,当内核大小为3时,以上Sobel内核可能产生比较明显的误差。为解决这一问题,OpenCV提供了 Scharr 函数,但该函数仅作用于大小为3的内核,该函数的运算与Sobel函数一样快,但结果却更加精确。

Sobel 边缘检测算子「建议收藏」

两种实现版本:

C 版本:

cvSobel ( const cvArr* src, CvArr* dst, int xorder, int yorder, int aperture_size =3 )

src,  dst 分别是源图像和目标图像,xorder ,yorder – 分别为x,y方向导数运算参数,可取0,1,2  。aperture_size是方形滤波器的宽,是小于7的奇数。

具体见《Learning OpenCV》那本书,P.170页

下面是代码,比较简单:

#include <highgui.h>  
#include <cv.h>  
  
using namespace cv;  
using namespace std;  
  
int main(int argc, char ** argv)  
{  
    IplImage* src, *dstx,*dsty,*dst;  
  
    src = cvLoadImage( "car.png",0 );  
    dst = cvCreateImage( cvGetSize( src ), IPL_DEPTH_16S, 1 );  
    dstx = cvCreateImage( cvGetSize( src ), IPL_DEPTH_16S, 1 );  
    dsty = cvCreateImage( cvGetSize( src ), IPL_DEPTH_16S, 1 );  
  
    cvNamedWindow( "src" );  
    cvNamedWindow( "sobel" );  
  
    cvShowImage( "src", src );  
  
    cvSobel( src, dstx, 1, 0, 7 );  //sobel  
    cvSobel( src, dsty, 0, 1, 7 );  
    cvAddWeighted(dstx,0.5,dsty,0.5,0,dst);  
  
    cvShowImage( "sobel", dst );  
  
    cvWaitKey(0);  
    cvReleaseImage( &src );  
    cvReleaseImage( &dst );  
  
    return 0;  
}  

效果图:

Sobel 边缘检测算子「建议收藏」

C++版本:

先来看一下C++下 Sobel 的定义

C++:   void Sobel(  InputArray src ,  OutputArray dst,  int ddepth,  int dx,  int dy,  int ksize=3,   

                                           double scale=1,double delta=0,intborderType=BORDER_DEFAULT )

各参数的意义如下:

src – 输入图像。dst – 输出图像,与输入图像同样大小,拥有同样个数的通道。

ddepth –输出图片深度;下面是输入图像支持深度和输出图像支持深度的关系:

src.depth() = CV_8Uddepth = -1/CV_16S/CV_32F/CV_64F

src.depth() = CV_16U/CV_16Sddepth = -1/CV_32F/CV_64F

src.depth() = CV_32Fddepth = -1/CV_32F/CV_64F

src.depth() = CV_64Fddepth = -1/CV_64F

当 ddepth为-1时, 输出图像将和输入图像有相同的深度。输入8位图像则会截取顶端的导数。

xorder – x方向导数运算参数。yorder – y方向导数运算参数。

ksize – Sobel内核的大小,可以是:1,3,5,7。  注意:只可以是小于7 的奇数

scale – 可选的缩放导数的比例常数。delta – 可选的增量常数被叠加到导数中。borderType – 用于判断图像边界的模式。

下面是程序:

#include "opencv2/imgproc/imgproc.hpp"  
#include "opencv2/highgui/highgui.hpp"  
#include <stdlib.h>  
#include <stdio.h>  
  
using namespace cv;  
using namespace std;  
  
int main( int argc, char** argv )  
{  
    Mat src, src_gray;  
    Mat grad;  
    char* window_name = "求解梯度";  
    int scale = 1;  
    int delta = 0;  
    int ddepth = CV_16S;  
  
    src = imread( "car.png" );  
    if( !src.data )  
    {   
        return -1;   
    }  
    //高斯模糊  
    GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );  
    //转成灰度图  
    cvtColor( src, src_gray,CV_RGB2GRAY );  
  
    namedWindow( window_name, CV_WINDOW_AUTOSIZE );  
  
    Mat grad_x, grad_y;  
    Mat abs_grad_x, abs_grad_y;  
    //x方向梯度计算  
    Sobel( src_gray, grad_x, ddepth, 1, 0, 3, scale, delta, BORDER_DEFAULT );  
    convertScaleAbs( grad_x, abs_grad_x );  
    //y方向梯度计算  
    Sobel( src_gray, grad_y, ddepth, 0, 1, 3, scale, delta, BORDER_DEFAULT );  
    convertScaleAbs( grad_y, abs_grad_y );  
    //加权和  
    addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad );  
  
    imshow( window_name, grad );  
  
    waitKey();  
    return 0;  
}  

如果要用Scharr滤波器的话,把Sobel那行代码替换掉就好了:

Scharr( src_gray, grad_x, ddepth, 1, 0, scale, delta, BORDER_DEFAULT );  
Scharr( src_gray, grad_x, ddepth, 0, 1, scale, delta, BORDER_DEFAULT );  

效果图:

Sobel 边缘检测算子「建议收藏」

Sobel 边缘检测算子「建议收藏」

参考资料:http://docs.opencv.org/doc/tutorials/imgproc/imgtrans/sobel_derivatives/sobel_derivatives.html

转载请注明出处:http://blog.csdn.net/xiaqunfeng123

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/154508.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • Dubbo负载均衡策略之 一致性哈希

    Dubbo负载均衡策略之 一致性哈希Dubbo负载均衡策略之一致性哈希1负载均衡在这里引用dubbo官网的一段话——LoadBalance中文意思为负载均衡,它的职责是将网络请求,或者其他形式的负载“均摊”到不同的机器上。避免集群中部分服务器压力过大,而另一些服务器比较空闲的情况。通过负载均衡,可以让每台服务器获取到适合自己处理能力的负载。在为高负载服务器分流的同时,还可以避免资源浪费,一举两得。负载均衡可分为软件负载均衡和硬件负载均衡。在我们日常开发中,一般很难接触到硬件负载均衡。但软件负载均衡还是可以接触到的,比如Nginx

  • Android Studio安装教程(超级详细)「建议收藏」

    Android Studio安装教程(超级详细)「建议收藏」AndroidStudio安装教程(超级详细)欢迎使用Markdown编辑器获取AndroidStudio安装AndroidStudio欢迎使用Markdown编辑器你好!这是你第一次使用Markdown编辑器所展示的欢迎页。如果你想学习如何使用Markdown编辑器,可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。获取AndroidStudio安装前提(系统安装了jdk,并且版本在1.8以上)官网下载AndroidDevTools下载AndroidStudio

  • Linux — Makefile的学习笔记以及多级目录下Makefile的编写

    Linux — Makefile的学习笔记以及多级目录下Makefile的编写一、Make简介:工程管理器,顾名思义,是指管理较多的文件,Make工程管理器也就是个“自动编译管理器”,这里的“自动”是指它能够根据文件时间戳自动发现更新过的文件而减少编译的工作量,同时,它通过读入Makefile文件文件的内容来执行大量的编译工作,Make将只编译改动的代码文件,而不用完全编译。Makefile文件一般和项目的其他源文件放在同一个目录下。在机器上可以同时存在许多不同的m…

  • redis源码 -ziplist

    注释的翻译:/*Theziplistisaspeciallyencodedduallylinkedlistthatisdesigned*tobeverymemoryefficient.Itstoresbothstringsandintegervalues,*whereintegersareencodedasactualint

  • Python安装与第三方工具——pycharm安装

    Python安装与第三方工具——pycharm安装​​

  • C++ 数值与 string 的相互转换

    C++ 数值与 string 的相互转换使用函数模板将基本数据类型(整型、字符型、实型、布尔型)转换成string。//ostringstream对象用来进行格式化的输出,常用于将各种类型转换为string类型//ostringstream只支持&amp;lt;&amp;lt;操作符template&amp;lt;typenameT&amp;gt;stringtoString(constT&amp;amp;t){ostringstreamoss;//创建一个格式化输出流

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号