Sobel算子及C++实现

太过爱你忘了你带给我的痛 2022-07-11 03:27 215阅读 0赞

Sobel 算子是一个离散的一阶微分算子，用来计算图像灰度函数的近似梯度。

在空间域上Sobel算子很容易实现，执行速度快，对部分噪声具有平滑作用，还能够提供较为精确的边缘方向信息，缺点是边缘定位精度不够高。边缘是指一个物体与另一个物体的分界处，一般边缘内外处都会有灰度值上的差异，Sobel算子就是通过像素点空间邻域内上下，左右相邻点的灰度加权运算，求取物体边缘。

经典Sobel的卷积因子为：

![20160822220458748][]

对于待检测边缘的图像I，分别在水平（X）方向和垂直方向（Y）方向求导，方法是分别图像I与卷积核Gx和Gy进行卷积，公式表述如下：

![20160822220928636][]                   ![20160822220931656][]

之后对求得的水平和垂直方向的梯度图像上的每一点执行：

![20160822221601800][]

或更为简单粗暴的：

![20160822221550613][]

G即为Sobel求得的梯度图像。

以下是C++实现：

**\[cpp\]**  [view plain][]   [copy][view plain]

[print][view plain] [?][view plain] [![在CODE上查看代码片][CODE]][CODE_CODE] [![派生到我的代码片][ico_fork.svg]][ico_fork.svg 1]

1.  \#include "core/core.hpp"    
2.  \#include "highgui/highgui.hpp"    
3.  \#include "imgproc/imgproc.hpp"    
4.  \#include "iostream"  
5.    
6.  **using** **namespace** std;   
7.  **using** **namespace** cv;    
8.    
9.  **int** main(**int** argc,**char** \*argv\[\])    
10. \{  
11.     Mat image=imread(argv\[1\],0);  
12.     Mat imageX=Mat::zeros(image.size(),CV\_16SC1);  
13.     Mat imageY=Mat::zeros(image.size(),CV\_16SC1);     
14.     Mat imageXY=Mat::zeros(image.size(),CV\_16SC1);    
15.     Mat imageX8UC;  
16.     Mat imageY8UC;  
17.     Mat imageXY8UC;  
18.     **if**(!image.data)  
19.     \{  
20.         **return** -1;  
21.     \}  
22.     GaussianBlur(image,image,Size(3,3),0); //高斯滤波消除噪点  
23.     uchar \*P=image.data;  
24.     uchar \*PX=imageX.data;  
25.     uchar \*PY=imageY.data;  
26.     **int** step=image.step;  
27.     **int** stepXY=imageX.step;  
28.     **for**(**int** i=1;i<image.rows-1;i++)  
29.     \{  
30.         **for**(**int** j=1;j<image.cols-1;j++)  
31.         \{  
32.             //通过指针遍历图像上每一个像素  
33.             PX\[i\*imageX.step+j\*(stepXY/step)\]=abs(P\[(i-1)\*step+j+1\]+P\[i\*step+j+1\]\*2+P\[(i+1)\*step+j+1\]-P\[(i-1)\*step+j-1\]-P\[i\*step+j-1\]\*2-P\[(i+1)\*step+j-1\]);  
34.             PY\[i\*imageX.step+j\*(stepXY/step)\]=abs(P\[(i+1)\*step+j-1\]+P\[(i+1)\*step+j\]\*2+P\[(i+1)\*step+j+1\]-P\[(i-1)\*step+j-1\]-P\[(i-1)\*step+j\]\*2-P\[(i-1)\*step+j+1\]);  
35.         \}  
36.     \}  
37.     addWeighted(imageX,0.5,imageY,0.5,0,imageXY);//融合X、Y方向    
38.     convertScaleAbs(imageX,imageX8UC);  
39.     convertScaleAbs(imageY,imageY8UC);  
40.     convertScaleAbs(imageXY,imageXY8UC);   //转换为8bit图像  
41.   
42.     Mat imageSobel;  
43.     Sobel(image,imageSobel,CV\_8UC1,1,1); //Opencv的Sobel函数  
44.   
45.     imshow("Source Image",image);  
46.     imshow("X Direction",imageX8UC);  
47.     imshow("Y Direction",imageY8UC);  
48.     imshow("XY Direction",imageXY8UC);  
49.     imshow("Opencv Soble",imageSobel);  
50.     waitKey();    
51.     **return** 0;  
52. \}

原始的Lena美女;

![20160822223220212][]

X方向梯度：

![20160822223254165][]

Y方向梯度：

![20160822223314166][]

X、Y方向梯度融合效果：

![20160822223435011][]

Opencv Sobel函数效果：

![20160822223549372][]

[20160822220458748]: /images/20220711/179aedf388e04078b8f751b5b1b92951.png
[20160822220928636]: https://img-blog.csdn.net/20160822220928636
[20160822220931656]: /images/20220711/863d26c9ed7244dda358151e83863cb3.png
[20160822221601800]: /images/20220711/03fede8a2f1c478ba3226af47d1942bd.png
[20160822221550613]: /images/20220711/1ff406b36220485fba152c75d30d7cd7.png
[view plain]: http://blog.csdn.net/dcrmg/article/details/52280768#
[CODE]: https://code.csdn.net/assets/CODE_ico.png
[CODE_CODE]: https://code.csdn.net/snippets/1845460
[ico_fork.svg]: https://code.csdn.net/assets/ico_fork.svg
[ico_fork.svg 1]: https://code.csdn.net/snippets/1845460/fork
[20160822223220212]: /images/20220711/f1fb5ab91e51451f8b6d3167dc6577bf.png
[20160822223254165]: /images/20220711/e83b6013cafd4d9f8157ad9b1a992896.png
[20160822223314166]: /images/20220711/839d3ce2c54e4c2787450579cfbe4188.png
[20160822223435011]: /images/20220711/f7c9575568ac463fa1463c539c971db1.png
[20160822223549372]: /images/20220711/b68bc9c9ba3a47cab4ce9a1ef3bf6501.png