【译】Sobel 算子文档

参考网址：https://docs.opencv.org/2.4/doc/tutorials/imgproc/imgtrans/sobel_derivatives/sobel_derivatives.html

一.目标
在这篇指南中你将学会如何：

使用OpenCV 中的Sobel 算子计算图像中的导数。
使用OpenCV 中的Scharr 算子计算一个3*3大小的核的一个更精确的导数。

二.理论
说明：下面的解释说明来自由Bradski 和Kaehler写的《Learning OpenCV》

为什么计算图像中的衍生物的微积分十分重要？让我们想象如果我们想要检测到图像中出现的边缘，如下图：

你会发现在边缘处，像素点亮度出现显著的变化。使用导数能够很好的展现变化。梯度上的变化表现出图像中的较大的变化。

为了图示的更加清晰，假设我们有一个一维的图像，下面图表中亮度值的“跳跃”表现出边缘部分：

如果我们求第一次导数（事实上，图中表现为最大点），边缘部分的“跳跃”更能够表现出来。

所以，根据上述的解释说明，我们可以推导出一个在图像中检测边缘的方法，即通过确定一个梯度值大于领域中其他像素点（推广思路可改用阈值）的点的位置并表现在图像中。

更多的细节解释，可以参考Bradski 和Kaehler 的《Learning OpenCV》

Sobel 算子

Sobel 算子是一个具体的差异化的算子。它用于计算图像中亮度梯度的估计值。
Sobel 算子是将差异化和高斯滤波合并起来

处理
假设待处理的图像为I:

我们计算两个导数：
a.水平变化：通过计算I 与核GxG_x的卷积，其中GxG_x是一个具有奇数边长的核。比如对于一个3*3的核，GxG_x可以像下面这样计算：
GxG_x = ∣∣∣∣−1−2−1000+1+2+1∣∣∣∣ \begin{vmatrix} -1 & 0 & +1\\ -2 & 0 & +2\\-1 & 0 & +1 \end{vmatrix} * I
b.竖直变化：通过计算I 与核GxG_x的卷积，其中GxG_x是一个具有奇数边长的核。比如对于一个3*3的核，GxG_x可以像下面这样计算：
GyG_y = ∣∣∣∣−10+1−20+2−10+1∣∣∣∣ \begin{vmatrix} -1 & -2 & -1\\ 0 & 0 & 0\\+1 & +2 & +1 \end{vmatrix} * I
在图像中的每个像素点上，我们通过使用下述公式计算结果来获取该像素点的梯度的估计值：
G = (Gx)2+(Gy)2−−−−−−−−−−−√\sqrt{(G_x)^2 + (G_y)^2}

尽管有时会使用下面的公式：
G = |GxG_x| + |GyG_y|

注意：当核的尺寸为3*3时，上面提到的Sobel 算子将会产生很明显的误差（毕竟，Sobel 算子是一种对导数的估计）。OpenCV 强调可以用Scharr 函数来处理使用3*3 的核产生的误差。这种方法和标准的Sobel 算子要快，同时更加准确，它是使用如下的形式的核：
GxG_x = ∣∣∣∣−3−10−3000+3+10+3∣∣∣∣ \begin{vmatrix} -3 & 0 & +3\\ -10 & 0 & +10\\-3 & 0 & +3 \end{vmatrix}
GyG_y = ∣∣∣∣−30+3−100+10−30+3∣∣∣∣ \begin{vmatrix} -3 & -10 & -3\\ 0 & 0 & 0\\+3 & +10 & +3 \end{vmatrix}

你可以在OpenCV 参考中找到更多有关Scharr 的相关信息。并且，在下面相同的代码中，你讲发现不仅有Sobel 算子还有注释过的Scharr 算子。取消注释将展现这个方法的工作原理。

代码：

这段代码用来干什么？
使用Sobel 算子并且生成一张图作为输出，输出的图像将在深色的背景上用亮色表示找到的边缘。
下面展示指导代码：

#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>using namespace cv;/** @function main */
int main( int argc, char** argv )
{Mat src, src_gray;Mat grad;char* window_name = "Sobel Demo - Simple Edge Detector";int scale = 1;int delta = 0;int ddepth = CV_16S;int c;/// Load an imagesrc = imread( argv[1] );if( !src.data ){ return -1; }GaussianBlur( src, src, Size(3,3), 0, 0, BORDER_DEFAULT );/// Convert it to graycvtColor( src, src_gray, CV_BGR2GRAY );/// Create windownamedWindow( window_name, CV_WINDOW_AUTOSIZE );/// Generate grad_x and grad_yMat 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;}

注释：

首先我们声明我们将要使用的变量：

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

然后加载我们的源图像：

src = imread( argv[1] );if( !src.data )
{ return -1; }

第一步，我们使用高斯滤波过滤噪点（核为3*3）：

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

将过滤后的图像转换成灰度图：

cvtColor( src, src_gray, CV_BGR2GRAY );

下一步，我们在x 和y 方向上计算导数，我们按照下面的方式使用Sobel 算子：

Mat grad_x, grad_y;
Mat abs_grad_x, abs_grad_y;/// Gradient X
Sobel( src_gray, grad_x, ddepth, 1, 0, 3, scale, delta, BORDER_DEFAULT );
/// Gradient Y
Sobel( src_gray, grad_y, ddepth, 0, 1, 3, scale, delta, BORDER_DEFAULT );

函数中的参数：

src_gray :在我们的例子中是输入的图像，这里图像格式为CV_8U
grad_x | grad_y：输出的图像
ddepth :输出的图像的深度，我们将格式设置为CV_16S防止溢出。
x_order ：x轴方向上的导数序列
y_order ：y轴方向上的导数序列
scale ,delta 和BORDER_DEFAULT：使用默认值

注意到我们使用xorder=1x_{order} = 1和yorder=0y_{order} = 0我们在y轴方向上做类似操作。

将部分得到的结果重新转换为CV_8U

convertScaleAbs( grad_x, abs_grad_x );
convertScaleAbs( grad_y, abs_grad_y );

最后，我们通过两个方向的梯度估算每个像素点的梯度值（需要指出的是，这并不是最好的计算结果，但是的确符合我们的要求）

addWeighted( abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad );

最后我们展示出处理后的结果：

imshow( window_name, grad );

结果：
下面是我们通过基本的检测得到的结果图：

【译】Sobel 算子文档相关推荐

grid_sample 算子文档错误和使用异常
我在转torch网络到mindspore过程中需要使用grid_sample算子,根据mindspore1.8版本文档,应该是这个:https://mindspore.cn/docs/zh-CN/r1 ...
mongodb存list_查询 MongoDB 子文档的 List 字段
[摘要] MongoDB 对于 List 结构中由若干字段组合而成的字符串数据有统计需求时,使用其 shell 脚本来实现有些复杂,而集算器 SPL 语言,则因拥有丰富的接口函数,实现就容易多了.若想 ...
一打开控制台窗口就中文输入_Lightconverse灯光设计软件中文电子文档教程免费分享...
点击上面"灯光音响学习网" 即可免费订阅! Lightconverse是一款乌克兰的灯光设计软件,逼真度优于WYSIWYG,素材丰富.有强大的自定义灯库,让离线编程更加方便且不费 ...
VC mfc 多文档程序更改子文档标题名
VC++新建一个多文档MDI工程:输入工程名,mditest1:其他全部默认:生成项目,运行了看一下,如下: 现在要更改子文档标题:进入类向导,按下图,找到文档类的OnNewDocument函数,进入 ...
Solr嵌套子文档的弊端以及一种替代方式
背景:在考察了多种工具后,我们决定使用solr来作为多标签用户管理体系的查询方案. 原计划:电话,call客,跟进等等记录上报到kafka,然后通过flume+morphline录入到solr中.每一 ...
公文转成电子文档需要注意的事项
事业单位之间会互相传发一些公文,接收单位会对公文进行分析,并给出解决方案,涉及到把公文转成电子文档,目前通过人工敲字实现. 转成电子文档后,需要做好版本管理,几月几号那个部门的文档,几月几日接受了什么 ...
azure 入门_Azure Cosmos DB中的子文档入门
azure 入门 As we've worked with Azure Cosmos DB, we've seen that we can store data within fields and t ...
如何插入电子签名_如何在电子文档上签名？可靠电子签名的特征有哪些？
如何在电子文档上签名?可靠电子签名的特征有哪些? 在电子文档上签名很简单.举例来说, 如果我们想在word文件中插入签名,方法如下: 用扫描仪.相机或手机对手写签名进行扫描或拍摄,并通过PS或其他图片 ...
如何制作电子文档CHM(How to gernerate chm from assembly)
2011-09-04 01:12:09| 分类: 默认分类 | 标签:chm assembly build generate |字号大中小订阅目的大多数情况下,开发人员编写的代码最后都 ...

【译】Sobel 算子文档

【译】Sobel 算子文档相关推荐

最新文章

热门文章