【OpenCV学习| (17) 图像处理 | Sobel算子

1.卷积应用-图像边缘提取

1.1 边缘

• 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，我已经忘记啦，不要担心，用Sobel算子就好！卷积操作！

1.2 Sobel算子

Sobel算子是离散微分算子（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，算子如下：

API说明cv::Sobel 
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
)

API说明cv::Scharr

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

2.示列：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char** argv) {

	Mat src, dst;
	src = imread("test.jpg");
	if (!src.data)
	{
		printf("could not find the image...");
		//cerr << "not find teh data.." << endl;
		//cout << "not find teh data.." << endl;
		return -1;
	}
	
	char INPUT_TITLE[] = "input image";
	char OUTPUT_TITLE[] = "sobel demo";
	namedWindow(INPUT_TITLE, CV_WINDOW_AUTOSIZE);
	//namedWindow(OUTPUT_TITLE, CV_WINDOW_AUTOSIZE);
	imshow(INPUT_TITLE, src);

	Mat src_gray;
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	cvtColor(dst, src_gray, CV_BGR2GRAY);
	imshow("gray image", src_gray);

	Mat Xgrad, Ygrad;
	Scharr(src_gray, Xgrad, CV_16S, 1, 0, 3);
	Scharr(src_gray, Ygrad, CV_16S, 0, 1, 3);
	
	//Sobel(src_gray, Xgrad, CV_16S, 1, 0, 3);
	//Sobel(src_gray, Ygrad, CV_16S, 0, 1, 3);
	convertScaleAbs(Xgrad, Xgrad);
	convertScaleAbs(Ygrad, Ygrad);
	imshow("xgrad image", Xgrad);
	imshow("ygrad image",Ygrad);

	Mat XYgrad = Mat(Xgrad.size(),Xgrad.type());
	printf("type: X=%d ,Y=%d", Xgrad.type(),Ygrad.type());//0 cv8u
	int height = Xgrad.rows;
	int width = Ygrad.cols;
	for (int row = 0; row < height; row++){
		for (int col = 0; col < width; col++) {	
			int x_g = Xgrad.at<uchar>(row, col);//char判断像素灰度值的类型
			int y_g = Ygrad.at<uchar>(row, col);
			int xy_g = x_g + y_g;
			XYgrad.at<uchar>(row, col) = saturate_cast<uchar>(xy_g);
		}
	}

	//addWeighted(Xgrad, 0.5, Ygrad, 0.5,0,XYgrad);
	imshow("XYgrad image", XYgrad);

	waitKey(0);
	return 0;

}