前言

前面博客講了矩陣之間的卷積操作，在圖像處理中，使用一些標準的模板的卷積核與原圖像進行運算，可以改變像素強度，從而影響周圍其他像素的強度，常用于圖像模糊、銳化及邊緣檢測等。

Sobel算子

1.Sobel算子主要用作邊緣檢測，在技術上，它是一離散性差分算子，用來運算圖像亮度函數的灰度之近似值。在圖像的任何一點使用此算子，將會產生對應的灰度矢量或是其法矢量。
Sobel算子的兩個卷積核：

該算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積，即可分別得出橫向及縱向的亮度差分近似值。如果以A代表原始圖像，Gx及Gy分別代表經橫向及縱向邊緣檢測的圖像灰度值，其公式如下：

2.Sobel算子API
（1）在OpenCV中的Sobel算子的API是Sobel（），函數原型如下：

C++: 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 );

參數說明：
第一個參數，InputArray 類型的src，為輸入圖像，填Mat類型即可。
第二個參數，OutputArray類型的dst，即目標圖像，函數的輸出參數，需要和源圖片有一樣的尺寸和類型。
第三個參數，int類型的ddepth，輸出圖像的深度，支持如下src.depth()和ddepth的組合：
若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
若src.depth() = CV_64F, 取ddepth = -1/CV_64F
第四個參數，int類型dx，x 方向上的差分階數。
第五個參數，int類型dy，y方向上的差分階數。
第六個參數，int類型ksize，有默認值3，表示Sobel核的大小;必須取1，3，5或7。
第七個參數，double類型的scale，計算導數值時可選的縮放因子，默認值是1，表示默認情況下是沒有應用縮放的。我們可以在文檔中查閱getDerivKernels的相關介紹，來得到這個參數的更多信息。
第八個參數，double類型的delta，表示在結果存入目標圖（第二個參數dst）之前可選的delta值，有默認值0。
第九個參數， int類型的borderType，我們的老朋友了（萬年是最后一個參數），邊界模式，默認值為BORDER_DEFAULT。這個參數可以在官方文檔中borderInterpolate處得到更詳細的信息。
（2）代碼演示

void mySobel(Mat &src,Mat &abs_gradient_x,Mat &abs_gradient_y, Mat &dst3) {Mat gradient_x, gradient_y;//求X方向梯度Sobel( src, gradient_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT );convertScaleAbs( gradient_x, abs_gradient_x);Mat abs_x = abs_gradient_x.clone();putText(abs_gradient_x,"X Directional gradient",Point(50,60),FONT_HERSHEY_SIMPLEX,2,Scalar(255,23,0),2,8);//求Y方向梯度Sobel( src, gradient_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT );convertScaleAbs( gradient_y, abs_gradient_y );Mat abs_y = abs_gradient_y.clone();putText(abs_gradient_y,"Y Directional gradient",Point(50,60),FONT_HERSHEY_SIMPLEX,2,Scalar(255,23,0),2,8);//合并梯度addWeighted(abs_x, 0.5, abs_y, 0.5, 0, dst3 );putText(dst3,"Merging gradient",Point(50,60),FONT_HERSHEY_SIMPLEX,2,Scalar(255,23,0),4,8); }

3.運行效果
（1）

（2）

（3）

總結

以上是生活随笔為你收集整理的OpenCV图像处理使用笔记(八)——Sobel算子的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。