OpenCV筆記（十四）——使用Sobel算子對圖像進行微分運算

1. 什么是Sobel算子

2. 為什么要對圖像做微分

3. 如何對圖像做微分

 

當我們要對圖像進行邊緣檢測的時候，我們注意到，在邊緣處像素的強度的變化率是很大的。而微分恰好是表示這種變化率的很好的方式。

在對圖像做微分的時候，我們也是對像素做卷積運算，而這里我們使用的kernel，就是Sobel算子。

在使用Sobel算子做微分的時候，我們計算行方向上的變化

和列方向上的變化，

再對這兩個變化求平方和的開方，

或者絕對值相加

就得到一幅表現圖像邊緣的圖像。當然這樣的計算是結果是近似的而非精確的。

OpenCV提供了一種更快速而且更近似於精確值的方法，就是使用Scharr算子來代替Sobel算子，

另外，Sobel算子一般與高斯平滑結合起來使用，所以我們得到的結果也稍微有些抵抗噪聲的效果。

 

OpenCV給出的實例代碼如下：

int main( int, char** argv )
{

  Mat src, src_gray;
  Mat grad;
  const char* window_name = "Sobel Demo - Simple Edge Detector";
  int scale = 1;
  int delta = 0;
  int ddepth = CV_16S;

  /// Load an image
  src = imread( argv[1] );

  if( !src.data )
    { return -1; }

  GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );

  /// Convert it to gray
  cvtColor( src, src_gray, COLOR_RGB2GRAY );

  /// Create window
  namedWindow( window_name, WINDOW_AUTOSIZE );

  /// Generate grad_x and grad_y
  Mat grad_x, grad_y;
  Mat abs_grad_x, abs_grad_y;

  /// Gradient X
  //Scharr( src_gray, grad_x, ddepth, 1, 0, scale, delta, BORDER_DEFAULT );
  Sobel( src_gray, grad_x, ddepth, 1, 0, 3, scale, delta, BORDER_DEFAULT );
  convertScaleAbs( grad_x, abs_grad_x );

  /// Gradient Y
  //Scharr( src_gray, grad_y, ddepth, 0, 1, scale, delta, BORDER_DEFAULT );
  Sobel( src_gray, grad_y, ddepth, 0, 1, 3, scale, delta, BORDER_DEFAULT );
  convertScaleAbs( grad_y, abs_grad_y );

  /// Total Gradient (approximate)
  addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad );

  imshow( window_name, grad );

  waitKey(0);

  return 0;
}

在第9行我們令ddepth為CV_16S，是因為我們在計算微分的過程中，值會超過0~255這一范圍。

在第32行和第37行，我們就把16位的mat轉換為8位的了。注意，這種轉換不是簡單地截取低8位的地址，而是取所能表示的最大值。如1024，則被轉換為255，如-128，則被轉換為0。而0到255之間的不變。