OpenCV18Sobel算子卷积应用-图像边缘提取

/*cv18Sobel算子卷积应用-图像边缘提取

prepared by txwtech Sobel算子

sobel算子是一种计算不同方向上梯度的工具。原理是使用卷积核对图像进行处理。 如果想计算x方向梯度，我们就需要这样的一个卷积核

卷积应用-图像边缘提取 边缘是什么 – 是像素值发生跃迁的地方，是图像的显著特征之一，在图像特征提取、 对象检测、模式识别等方面都有重要的作用。 如何捕捉/提取边缘 – 对图像求它的一阶导数 delta =  f(x) – f(x-1), delta越大，说明像素在X方向变化越大，边缘信号越强，

Sobel算子，卷积操作

是离散微分算子（discrete differentiation operator），用来计算图像灰度的近似梯度 Soble算子功能集合高斯平滑和微分求导 又被称为一阶微分算子，求导算子，在水平和垂直两个方向上求导，得到图像X方法与Y方向梯度图像

求取导数的近似值，kernel=3时不是很准确，OpenCV使用改进版本Scharr函数

API： cv::Sobel ( InputArray Src // 输入图像 OutputArray dst// 输出图像，大小与输入图像一致 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. int ksize, SOBEL算子kernel大小，必须是1、3、5、7、 double scale  = 1 double delta = 0 int borderType = BORDER_DEFAULT )

cv::Scharr ( InputArray Src // 输入图像 OutputArray dst// 输出图像，大小与输入图像一致 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 double delta = 0 int borderType = BORDER_DEFAULT )

GaussianBlur( src, dst, Size(3,3), 0, 0, BORDER_DEFAULT );//高斯模糊 cvtColor( src,  gray, COLOR_RGB2GRAY ); addWeighted( A, 0.5,B, 0.5, 0, AB);//1 融合图片尺寸不变 1、函数作用 :实现两幅图片的(叠加)线性融合 convertScaleAbs(A, B)// 计算图像A的像素绝对值，输出到图像B

*/

/*cv18Sobel算子卷积应用-图像边缘提取

prepared by txwtech
Sobel算子

卷积应用-图像边缘提取
边缘是什么 – 是像素值发生跃迁的地方，是图像的显著特征之一，在图像特征提取、
对象检测、模式识别等方面都有重要的作用。
如何捕捉/提取边缘 – 对图像求它的一阶导数
delta =  f(x) – f(x-1), delta越大，说明像素在X方向变化越大，边缘信号越强，

Sobel算子，卷积操作

是离散微分算子（discrete differentiation operator），用来计算图像灰度的近似梯度
Soble算子功能集合高斯平滑和微分求导
又被称为一阶微分算子，求导算子，在水平和垂直两个方向上求导，得到图像X方法与Y方向梯度图像

求取导数的近似值，kernel=3时不是很准确，OpenCV使用改进版本Scharr函数

API：
cv::Sobel (
InputArray Src // 输入图像
OutputArray dst// 输出图像，大小与输入图像一致
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.
int ksize, SOBEL算子kernel大小，必须是1、3、5、7、
double scale  = 1
double delta = 0
int borderType = BORDER_DEFAULT
)

cv::Scharr (
InputArray Src // 输入图像
OutputArray dst// 输出图像，大小与输入图像一致
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
double delta = 0
int borderType = BORDER_DEFAULT
)

GaussianBlur( src, dst, Size(3,3), 0, 0, BORDER_DEFAULT );
cvtColor( src,  gray, COLOR_RGB2GRAY );
addWeighted( A, 0.5,B, 0.5, 0, AB);
convertScaleAbs(A, B)// 计算图像A的像素绝对值，输出到图像B





*/

#include 
#include 

using namespace std;
using namespace cv;

int main(int argc, char *argv[])
{
	Mat src;
	src = imread("e:\\pictures\\荷花1.jpg",CV_LOAD_IMAGE_ANYCOLOR);
	if (!src.data)
	{
		printf("failed to load image");
		return -1;
	}
	namedWindow("原图",CV_WINDOW_AUTOSIZE);
	imshow("原图",src);

	Mat gray_src;
	Mat dst2;
	GaussianBlur(src,dst2,Size(3,3),0,0);
	cvtColor(dst2,gray_src,CV_BGR2GRAY);
	imshow("灰度图像",gray_src);

	Mat x_grid, y_grid;
	Sobel(gray_src,x_grid,CV_16S,1,0,3);
	Sobel(gray_src,y_grid,CV_16S,0,1,3);
	
	//Scharr(gray_src,x_grid,CV_16S,1,0);//边缘提取亮度更亮
	//Scharr(gray_src,y_grid,CV_16S,0,1);//边缘提取亮度更亮
	convertScaleAbs(x_grid,x_grid);
	convertScaleAbs(y_grid,y_grid);
	imshow("x_grid",x_grid);
	imshow("y_grid",y_grid);
	Mat xy_mixed;
	addWeighted(x_grid,0.5,y_grid,0.5,0,xy_mixed);
	imshow("xy混合结果_sobel算子",xy_mixed);

	waitKey(0);
	return 0;
}