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
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 66、 { 67、 for (int j=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 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!