Sobel算子是应用广泛的离散微分算子之一，用于图像处理中的边缘检测，计算图像灰度的近似梯度。
基于图像卷积来实现在水平方向和垂直方向检测对应方向上的边缘。
对于源图像与奇数Sobel水平核Gx、垂直核Gy进行卷积可计算水平与垂直变换。
Sobel算子在进行边缘检测时候效率较高，对精度要求不是很高时候，是一种较为常用的边缘检测方法。
Sobel算子对沿着x轴和y轴的排列表示得很好，但是对于其他角度的表示却不够精确，这时候我们可以使用Scharr滤波器。
5.2.1 非极大值一直Sobel检测
步骤1/2/3/4
https://blog.csdn.net/gone_huilin/article/details/53223622
https://bbs.csdn.net/topics/370004267
5.2.2 图像直接卷积实现Sobel
5.2.3 图像卷积下非极大值抑制Sobel
非极大值抑制虽然能够较好剔除虚假边缘点，但对于某些特定场景下的边缘检测并不适用，例如污损文本字符识别。
5.2.4 Sobel库函数实现
1 /////////////////////////////////5.2.4 Sobel库函数实现//////////////////////////////
2 ////////https://blog.csdn.net/gone_huilin/article/details/53223636
3 #include <opencv2/core/core.hpp>
4 #include <opencv2/highgui/highgui.hpp>
5 #include "opencv2/imgproc/imgproc.hpp"
6 #include <iostream>
7 using namespace cv;
8 int main()
9 {
10 cv::Mat srcImage = imread("D:\\楼房.jpg");
11 if (!srcImage.data)
12 return -1;
13 cv::Mat srcGray;
14 cvtColor(srcImage, srcGray, CV_RGB2GRAY);
15 imshow("srcGray", srcGray);
16 // 定义边缘图，水平及垂直
17 cv::Mat edgeMat, edgeXMat, edgeYMat;
18 // 求x方向Sobel边缘
19 Sobel(srcGray, edgeXMat, CV_16S, 1, 0, 3, 1,
20 0, BORDER_DEFAULT);
21 // 求y方向Sobel边缘
22 Sobel(srcGray, edgeYMat, CV_16S, 0, 1, 3, 1,
23 0, BORDER_DEFAULT);
24 // 线性变换转换输入数组元素成8位无符号整型
25 convertScaleAbs(edgeXMat, edgeXMat);
26 convertScaleAbs(edgeYMat, edgeYMat);
27 // x与y方向边缘叠加
28 addWeighted(edgeXMat, 0.5, edgeYMat, 0.5, 0, edgeMat);
29 cv::imshow("edgeYMat", edgeYMat);
30 imshow("edgeMat", edgeMat);
31 // 定义Scharr边缘图像
32 cv::Mat edgeMatS, edgeXMatS, edgeYMatS;
33 // 计算x方向Scharr边缘
34 Scharr(srcGray, edgeXMatS, CV_16S, 1, 0, 1,
35 0, BORDER_DEFAULT);
36 convertScaleAbs(edgeXMatS, edgeXMatS);
37 // 计算y方向Scharr边缘
38 Scharr(srcGray, edgeYMatS, CV_16S, 0, 1, 1,
39 0, BORDER_DEFAULT);
40 // 线性变换转换输入数组元素成8位无符号整型
41 convertScaleAbs(edgeYMatS, edgeYMatS);
42 // x与y方向边缘叠加
43 addWeighted(edgeXMatS, 0.5, edgeYMatS, 0.5, 0, edgeMatS);
44 cv::imshow("edgeMatS", edgeMatS);
45 cv::waitKey(0);
46 return 0;
47 }
5.3 基本边缘检测算子--Laplace
拉普拉斯算子是最简单的各向同性二阶微分算子，具有旋转不变形。
根据微分特性点，该像素点的二阶微分为零的点为边缘点。
图像中奇异点如亮点变得更亮，对于图像中灰度变化剧烈的区域，拉普拉斯算子能实现其边缘检测。其利用二次微分特性与峰值间过零点来确定边缘位置，对奇异点或边界点更加敏感，常应用于图像锐化（突出图像的细节或增强被模糊的图像细节，实现灰度反差增强，使图像变得清晰。积分运算或加权平均让图像变得模糊）工作。
1 ///////////////////////////////////5.2.5 基本边缘检测算子--Laplace//////////////////////////////
2 //////https://blog.csdn.net/Chenyukuai6625/article/details/74784626
3 #include <opencv2/opencv.hpp>
4 #include<opencv2/highgui/highgui.hpp>
5 #include<opencv2/imgproc/imgproc.hpp>
6
7 using namespace cv;
8
9 int main()
10 {
11 //【0】变量的定义
12 Mat src, src_gray, dst, abs_dst;
13
14 //【1】载入原始图
15 src = imread("D:\\日光.jpg");
16
17 //【2】显示原始图
18 imshow("【原始图】图像Laplace变换", src);
19
20 //【3】使用高斯滤波消除噪声
21 GaussianBlur(src, src, Size(3, 3), 0, 0, BORDER_DEFAULT);
22
23 //【4】转换为灰度图
24 cvtColor(src, src_gray, CV_RGB2GRAY);
25
26 //【5】使用Laplace函数
27 Laplacian(src_gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT);
28
29 //【6】计算绝对值，并将结果转换成8位
30 convertScaleAbs(dst, abs_dst);
31
32 //【7】显示效果图
33 imshow("【效果图】图像Laplace变换", abs_dst);
34
35 waitKey(0);
36
37 return 0;
38 }
5.4 基本边缘检测算子——Roberts
Roberts算子是利用局部差分寻找边缘的一种算子，是最简单的边缘检测算子。Roberts算子利用对角线方向相邻两像素之差近似梯度赋值来检测边缘，检测垂直边缘的效果要优于其他方向边缘，定位精度高，但对噪声抑制能力较弱。
https://blog.csdn.net/qq_20823641/article/details/52079628
原文地址：https://www.cnblogs.com/thebreakofdawn/p/9571775.html