1. 函数定义

1.1 声明

 //索贝尔滤波器void Sobel(InputArray src,OutputArray dst, int ddepth,int dx, int dy,int ksize = 3,double scale = 1,double delta = 0,int borderType = BORDER_DEFAULT);//夏尔滤波器void Scharr(InputArray src,OutputArray dst, int ddepth,int dx, int dy, double scale = 1,double delta = 0,int borderType = BORDER_DEFAULT);

以下是《学习OpenCV3》中对Sobel的讲解：
- Sobel算子有一个好处就是可以将核定义为各种大小，并且可以快速、迭代式地构造这些核。
- 大的核可以更好的近似导数，因为可以消除噪声影响。不过。假如导数在空间上变化剧烈，核太大会使结果发生偏差。
- Sobel不是真正的导数，因为它定义在离散空间上。它实际上是一个多项式，在x方向上进行二阶Sobel运算表示的并不是二阶导数，而是对抛物线函数的局部拟合。这也说明了为什么要使用一个更大的核，更大的核拟合了更多的像素。
- Sobel算子的缺点是核比较小的时候准确度不高。对于大型的核，近似过程使用了较多的点，因此精度问题不太显著。对于3×3的Sobel滤波器，梯度角距离水平或垂直方向越远，误差越明显。
- Scahrr可消除3×3这样小但是快的Sobel导数滤波器所带来的误差。Scharr同样很快，但是精度更高。

1.2 重要参数解析

Sobel函数支持就地调用。
dx： x方向的求导顺序，0表示不求导。
dy： y方向的求导顺序，0表示不求导。
ksize：Sobel滤波器的尺寸，正奇数，OpenCV给出的取值范围是 1, 3, 5, or 7，实际上最大可以支持到31。
一般情况下，都是用ksize x ksize内核来计算导数的。然而，有一种特殊情况——当ksize为1时，往往会使用3 x 1或者1 x 3的内核。且这种情况下，并没有进行高斯平滑操作。
scale：用来计算导数的可选择的缩放比例因子，缺省值是不使用缩放。
delta：可选择的偏移值。
缩放因子和偏移值都会在把结果存入dst之前调用，这有助于将求导结果可视化。
ksize有一个特殊的值“-1”，也就是FILTER_SCHARR，这意味着即将执行的是Scharr算法。使用的是 3×3 Scharr滤波器：
因此 Scharr(src, dst, ddepth, dx, dy, scale, delta, borderType) 和 Sobel(src, dst, ddepth, dx, dy, FILTER_SCHARR, scale, delta, borderType) 是一样的，你完全可以只使用Sobel算子，想使用Scharr算子时设置一下ksize就好了。
OpenCV官方文档中关于 Sobel 的讲解
OpenCV官方文档中关于 Scharr 的讲解

2. 例程

2.1 处理效果

原图

在x，y方向分别求导

可以看出在x方向求导检测的是纵向的边缘，而在y方向求导检测的是横向的边缘。

如果两个方向一起求导，结果会如何呢？

结果并不好，边缘根本无法被检测出来。

dx的值为1和2有什么区别呢？

不难看出当dx为2相对于1来说，轮廓线条更多更细了。

参数scale对结果的影响

可以看出scale变大之后，边缘的亮度明显提升了

参数delta对结果的影响

delta影响了除边缘以外的背景色灰度值

SCHARR和Scharr

这两者之间完全等同

2.2 代码

#include "stdafx.h"
#include <opencv.hpp>
using namespace cv;int main()
{Mat m_SrcImg = imread("./1.bmp", IMREAD_GRAYSCALE);imshow("原图", m_SrcImg);Mat m_DstImg;//这里需要注意的是：dx,dy的取值是0,1,2//0代表在这个方向不求导，Sobel(m_SrcImg, m_DstImg, m_SrcImg.depth(), 1, 0, 3);imshow("Sobel x", m_DstImg);Sobel(m_SrcImg, m_DstImg, m_SrcImg.depth(), 0, 1, 3);imshow("Sobel y", m_DstImg);//观察dx为1和2时的区别Sobel(m_SrcImg, m_DstImg, m_SrcImg.depth(), 2, 0, 3);imshow("Sobel x2", m_DstImg);//两个方向一起求导，边缘根本无法被检测出来Sobel(m_SrcImg, m_DstImg, m_SrcImg.depth(), 1, 1, 3);imshow("Sobel x1 y1", m_DstImg);Sobel(m_SrcImg, m_DstImg, m_SrcImg.depth(), 1, 2, 3);imshow("Sobel x1 y2", m_DstImg);//观察参数scale和delta对结果的影响Sobel(m_SrcImg, m_DstImg, m_SrcImg.depth(), 1, 0, 3, 1, 0);imshow("Sobel no scale no delta", m_DstImg);Sobel(m_SrcImg, m_DstImg, m_SrcImg.depth(), 1, 0, 3, 3, 0);imshow("Sobel scale", m_DstImg);Sobel(m_SrcImg, m_DstImg, m_SrcImg.depth(), 1, 0, 3, 1, 100);imshow("Sobel delta", m_DstImg);//SCHARR和Scharr等价Sobel(m_SrcImg, m_DstImg, m_SrcImg.depth(), 0, 1, -1);imshow("Sobel SCHARR", m_DstImg);Scharr(m_SrcImg, m_DstImg, m_SrcImg.depth(), 0, 1);imshow("Scharr", m_DstImg);waitKey(0);return 0;
}

OpenCV Sobel和Scharr （索贝尔和夏尔滤波器检测边缘）相关推荐

有关opencv的学习（17）—形态学滤波器检测边缘和角点
一.图像特征类型可被分为以下三种: 边缘.角点.斑点其中,角点是个很特殊的存在.他们在图像中可以轻易地定位,同时,他们在人造物体场景,比如门.窗.桌等出随处可见.因为角点位于两条边缘的交点处,代表 ...
opencv——Sobel算子与Scharr算子
目录算子边缘提取与梯度边缘提取 Sobel算子原理 API 代码展示结果优化代码结果 Scharr算子代码结果算子狭义的算子实际上是指从一个函数空间到另一个函数空间(或它自身)的 ...
OpenCV图像梯度（Sobel和Scharr）
OpenCV图像梯度(Sobel和Scharr) 1 图像梯度是什么? 2 图像梯度的用途 3 图像梯度的使用参考这篇博客将介绍图像渐变以及如何使用OpenCV的cv2.Sobel计算Sobel渐 ...
OpenCV使用Sobel或Scharr OpenCV函数进行边缘检测的实例(附完整代码)
OpenCV使用Sobel或Scharr OpenCV函数进行边缘检测的实例 OpenCV使用Sobel或Scharr OpenCV函数进行边缘检测的实例 OpenCV使用Sobel或Scharr O ...
OpenCV学习笔记（十二）：边缘检测：Canny(),Sobel(),Laplace(),Scharr滤波器
OpenCV学习笔记(十二):边缘检测:Canny(),Sobel(),Laplace(),Scharr滤波器 1)滤波:边缘检测的算法主要是基于图像强度的一阶和二阶导数,但导数通常对噪声很敏感,因此 ...
OpenCV 图像梯度 Sobel、Scharr、Laplacian
概念: 梯度简单来说就是求导,在图像上表现出来的就是提取图像的边缘(不管是横向的.纵向的.斜方向的等等),所需要的无非也是一个核模板,模板的不同结果也不同.所以可以看到,所有的这些个算子函数,归结到底 ...
OpenCV Sobel Derivatives衍生物
OpenCV Sobel Derivatives衍生物 Sobel Derivatives衍生物目标理论索贝尔算子代码解释声明变量加载源图像减少噪音灰阶索贝尔算子将输出转换为CV ...
opencv sobel导数
如何使用OpenCV函数 Sobel 对图像求导. 如何使用OpenCV函数 Scharr 更准确地计算核的导数. 原理 Note 以下内容来自于Bradski和Kaehler的大作: Learn ...
OpenCV Sobel 边缘检测
Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好,sobel算子对边缘定位不是很准确,图像的边缘不止一个像素:当对精度要求不是很高时,是一种较为常用的边缘检测方法. OpenCV中sobe ...

OpenCV Sobel和Scharr （索贝尔和夏尔滤波器检测边缘）

OpenCV Sobel和Scharr

1. 函数定义

1.1 声明

1.2 重要参数解析

2. 例程

2.1 处理效果

原图

在x，y方向分别求导

如果两个方向一起求导，结果会如何呢？

dx的值为1和2有什么区别呢？

参数scale对结果的影响

参数delta对结果的影响

SCHARR和Scharr

2.2 代码

OpenCV Sobel和Scharr （索贝尔和夏尔滤波器检测边缘）相关推荐

最新文章

热门文章