梯度,sobel算子的理解
在这一讲中我们来学习一下opencv中最基本的边缘检测的知识,首先我们来介绍一下图像梯度
1.图像梯度
可以把图像看成二维离散函数,图像梯度其实就是这个二维离散函数的求导:
图像梯度:
梯度算子 Gradient operators
函数f(x,y)在(x,y)处的梯度为一个向量:
计算这个向量的大小为:
近似为:
梯度的方向角为:
可能上面的数学表达式大家觉得还是过于抽象,那么我们将图片看成是二维的离散函数,那么图像的梯度其实就是这个二维离散函数的求导(偏导数)
图像梯度: G(x,y) = dx i + dy j;
dx(i,j) = I(i+1,j) - I(i,j);
dy(i,j) = I(i,j+1) - I(i,j);
其中,I是图像像素的值(如:RGB值),(i,j)为像素的坐标。
图像梯度一般也可以用中值差分:
dx(i,j) = [I(i+1,j) - I(i-1,j)]/2;
dy(i,j) = [I(i,j+1) - I(i,j-1)]/2;
图像边缘一般都是通过对图像进行梯度运算来实现的。
图像梯度的最重要性质是,梯度的方向在图像灰度最大变化率上,它恰好可以反映出图像边缘上的灰度变化
上面说的是简单的梯度定义,其实还有更多更复杂的梯度公式。
2.边缘检测
关于边缘的细节知识,请参考博主 http://blog.csdn.net/xiaowei_cqu/article/details/7829481
下面让我们来看一下边缘检测中常用的一些算子:
sobel算子边缘检测算法
索贝尔算子(Sobel operator)主要用作边缘检测,在技术上,它是一离散性差分算子,用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子,将会产生对应的灰度矢量或是其法矢量
Sobel卷积因子为:
具体计算如下:
Gx = (-1)*f(x-1, y-1) + 0*f(x,y-1) + 1*f(x+1,y-1)
+(-2)*f(x-1,y) + 0*f(x,y)+2*f(x+1,y)
+(-1)*f(x-1,y+1) + 0*f(x,y+1) + 1*f(x+1,y+1)
= [f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)]
Gy =1* f(x-1, y-1) + 2*f(x,y-1)+ 1*f(x+1,y-1)
+0*f(x-1,y) 0*f(x,y) + 0*f(x+1,y)
+(-1)*f(x-1,y+1) + (-2)*f(x,y+1) + (-1)*f(x+1, y+1)
= [f(x-1,y-1) + 2f(x,y-1) + f(x+1,y-1)]-[f(x-1, y+1) + 2*f(x,y+1)+f(x+1,y+1)]
其中f(a,b), 表示图像(a,b)点的灰度值;
Sobel算子根据像素点上下、左右邻点灰度加权差,在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用,提供较为精确的边缘方向信息,边缘定位精度不够高。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。
其实在边缘检测中还会用到很多算子,如普利维特算子(Prewitt operate);罗伯茨交叉边缘检测(Roberts Cross operator);拉普拉斯算子等等。
2.opencv中Sobel算子实现边缘检测效果图
先上效果图:
当然,opencv中其实上面的代码完全可以用
void cvSobel( const CvArr* src, CvArr* dst, int xorder, int yorder, int aperture_size=3 );
这个函数来代替,相应的参数大家可以去百度,在这就不一一介绍了,本文主要针对sobel算子的检测原理来进行说明。
代码如下
- #include "cv.h"
- #include "highgui.h"
- #include "math.h"
- #include "stdio.h"
- #include "malloc.h"
- IplImage *image; //声明IplImage指针
- int height, width;
- CvScalar s;
- int sobel_y[9] = { 1, 2, 1, 0, 0, 0, -1, -2, -1 }; //y方向sobel算子
- int sobel_x[9] = { 1, 0, -1, 2, 0, -2, 1, 0, -1 }; //x方向sobel算子
- void sobel()
- {
- int i, j, k;
- int grayx = 0, grayy = 0, gray;
- int *data;
- int a[9];
- data = (int *)malloc(height*width*sizeof(int));
- for (i = 0; i<height; i++)
- {
- for (j = 0; j<width; j++)
- {
- s = cvGet2D(image, i, j);
- gray = (int)s.val[0];
- data[i*width + j] = gray;
- }
- }
- for (i = 1; i<height - 1; i++)
- {
- for (j = 1; j<width - 1; j++)
- {
- grayx = 0;
- grayy = 0;
- s = cvGet2D(image, i, j);
- a[0] = data[width*(i - 1) + j - 1];
- a[1] = data[width*(i - 1) + j];
- a[2] = data[width*(i - 1) + j + 1];
- a[3] = data[width*i + j - 1];
- a[4] = data[width*i + j];
- a[5] = data[width*i + j + 1];
- a[6] = data[width*(i + 1) + j - 1];
- a[7] = data[width*(i + 1) + j];
- a[8] = data[width*(i + 1) + j + 1];
- for (k = 0; k<9; k++)
- grayy += a[k] * sobel_y[k];
- for (k = 0; k<9; k++)
- grayx += a[k] * sobel_x[k];
- s.val[0] = (abs(grayx) + abs(grayy));//此处需要取绝对值
- cvSet2D(image, i, j, s);
- }
- }
- free(data);
- }
- int main(int argc, char** argv)
- {
- image = cvLoadImage("image1.jpg", 0);
- IplImage* image1 = cvLoadImage("image1.jpg", 1);
- height = image->height;
- width = image->width;
- sobel();
- cvNamedWindow("Image", 1);//创建窗口
- cvNamedWindow("Sobel", 1);//创建窗口
- cvShowImage("Image", image1);//显示图像
- cvShowImage("Sobel", image);//显示图像
- cvWaitKey(0); //等待按键
- cvDestroyWindow("Image");//销毁窗口
- cvReleaseImage(&image); //释放图像
- return 0;
- }
参考文章:
http://blog.csdn.net/xiaowei_cqu/article/details/7829481
梯度,sobel算子的理解相关推荐
- 11-图像梯度-Sobel算子
图像梯度是指图像某像素在x和y两个方向上的变化率(与相邻像素比较),是一个二维向量,由2个分量组成,X轴的变化.Y轴的变化 . 其中X轴的变化是指当前像素右侧(X加1)的像素值减去当前像素左侧(X减1 ...
- Sobel算子的理解
sobel算子主要用于获得数字图像的一阶梯度,常见的应用和物理意义是边缘检测. 原理 算子使用两个33的矩阵(图1)算子使用两个33的矩阵(图1)去和原始图片作卷积,分别得到横向G(x)和纵向G(y) ...
- OpenCV--033_2: 图像梯度--Sobel算子
索贝尔算子(Sobel operator) 主要用作边缘检测,在技术上,它是一离散性差分算子,用来运算图像亮度函数的灰度之近似值.在图像的任何一点使用此算子,将会产生对应的灰度矢量或是其法矢量. So ...
- OpenCV-Python图像梯度 Sobel算子
图像的梯度计算的是图像变化的速度,对于边缘部分呢灰度值变换大,梯度值也大,相反则灰度值变化小,梯度值小 Sobel算子是一种离散的微分算子,该算子结合了高斯平滑处理和微分求导运算. 该算子利用局部差寻 ...
- OpenCV-图像梯度 sobel算子
# 第一步:载入原始图片# 第二步:使用cv2.Sobel(src, cv2.CV_64F, 1, 0, ksize=3) 对x轴方向进行sobel算子相乘操作# 第三步:由于会出现负值的情况,因此使 ...
- sobel算子 拉普拉斯算子以及散度与梯度的概念
在ECBSR论文的代码研究中,我发现关于ECBSR提出的多分支重参数化模型中,代码用到了sobel算子与laplace算子,很难判断这两个算子是为了论文的创新点还是真的有用,这块只能等待后续的对比实验 ...
- 图像的常规边缘检测(梯度算子、Roberts算子和Sobel算子)之c++实现(qt + 不调包)
1.基本原理 边缘检测一般是利用微分等方法,通过对灰度跃变的分析寻找图像上区域边缘的技术.今天的猪脚是梯度算子和Roberts算子. 1.梯度算子是怎么来的? 答:图像是一个二维集合,在(x, y)处 ...
- 学习sobel算子对图像求导自我理解
sobel算子,其实也就是近似把对函数进行偏导数计算,转化为适合图像计算的矩阵, 把整个图像当做为二元函数,然后分别对二元(x和y)求偏导数. 偏导数其实高数考试里面的形象解释不多,个人就当导数理解, ...
- 计算机视觉开源库OpenCV梯度之Sobel算子
Sobel算子是像素图像边缘检测中最重要的算子之一,在机器学习.数字媒体.计算机视觉等信息科技领域起着举足轻重的作用.在技术上,它是一个离散的一阶差分算子,用来计算图像亮度函数的一阶梯度之近似值.在图 ...
最新文章
- 到成都去是联想的必然选择
- pandas为dataframe所有的列名称名添加前缀(add_prefix)
- 20151217:Web之Repeater使用:添加
- iis 重新安装后 重新注册asp.net
- 中石油训练赛 - sciorz画画(区间dp)
- 在 Asp.Net Core WebAPI 中防御跨站请求伪造攻击
- 工作403-修改input里面的文本框值
- 【bzoj2132】圈地计划 网络流最小割
- [转]关于凸优化的一些简单概念
- Windows workflow foundation之旅(三)——指南2(创建状态机工作流)(上)
- Never Call Virtual Functions during Constructio...
- HCNA培训常见问题001-HCNA AI学习什么内容?
- GPIO推挽输出和开漏输出模式区别详解
- MATLAB安装后出现问题:MTALAB2021安装后闪退打不开
- KWS_关键词命名+识别率和误识别率
- SpringBoot 就这一篇全搞定
- 我最近在看什么——《蛤蟆先生去看心理医生》
- 实验一-Bomblab(炸弹实验)
- 利用echarts做图表统计
- 软件测试需要学什么?测试小白入门必看!