《OpenCV:Sobel算子理论与OpenCV代码实现》

索贝尔算子（Sobeloperator）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：

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：

具体计算如下：

图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：

通常，为了提高效率使用不开平方的近似值：

然后可用以下公式计算梯度方向：

若图像为：

则使用近似公式的计算的结果为：

　　Sobel算子另一种形式是各向同性Sobel(Isotropic Sobel)算子，也有两个，一个是检测水平边沿的，另一个是检测垂直边沿的 。各向同性Sobel算子和普通Sobel算子相比，它的位置加权系数更为准确，在检测不同方向的边沿时梯度的幅度一致。将Sobel算子矩阵中的所有2改为根号2，就能得到各向同性Sobel的矩阵。

　　由于Sobel算子是滤波算子的形式，用于提取边缘，可以利用快速卷积函数， 简单有效，因此应用广泛。美中不足的是，Sobel算子并没有将图像的主体与背景严格地区分开来，即Sobel算子没有严格地模拟人的视觉生理特征，所以提取的图像轮廓有时并不能令人满意。

参考：http://homepages.inf.ed.ac.uk/rbf/HIPR2/sobel.htm

http://blog.csdn.net/tianhai110/article/details/5663756

除此之外：由于基础核具有关于0，0，0所在的中轴正负对称，所以通过对基础核的旋转，和图像做卷积，可以获得灰度图的边缘图，同时消去旋转角方向+180°上的边缘，迭代多个方向即可消去多个方向的边缘，但是为消去的边缘会加倍。

基础核：

0°


-1
0
1

-2
0
2

-1
0
1

旋转后的核（顺时针为正）

45°


-2
-1
0

-1
0
1

0
1
2

90°


-1
-2
-1

0
0
0

1
2
1

135°


0
-1
-2

1
0
-1

2
1
0

180°


1
0
-1

2
0
-2

1
0
-1

225°


2
1
0

1
0
-1

0
-1
-2

270°


1
2
1

0
0
0

-1
-2
-1

原图：

结果图如下，按0°，45°，90°，135°，180°，225°，270°排序

代码如下：

#include "cv.h"
#include "cxmisc.h"
#include "highgui.h"
#include <vector>
#include <string>
#include <algorithm>
#include <stdio.h>
#include <ctype.h>

#pragma comment(lib, "G:\\OpenCV-2.1.0\\vc2008\\lib\\cxcore210d.lib")
#pragma comment(lib, "G:\\OpenCV-2.1.0\\vc2008\\lib\\cv210d.lib")
#pragma comment(lib, "G:\\OpenCV-2.1.0\\vc2008\\lib\\highgui210d.lib")

//对不同深度图片和较大的图片进行放缩，以至于可以在显示器上完全显示

void ShowConvertImage(char name[200],IplImage* Image) {

    cvNamedWindow(name,1);
    char savename[350];
    sprintf(savename,"%s.jpg",name);

    cvSaveImage(savename,Image);
    if(Image->width<1280)
     {

          if(Image->depth!=IPL_DEPTH_8U)
      {
    IplImage* NormalizeImage=NULL;
    NormalizeImage=cvCreateImage(cvGetSize(Image),IPL_DEPTH_8U,1);
    cvConvertScale(Image,NormalizeImage,1,0);//将图转为0-256，用于图片显示，
    cvShowImage(name,NormalizeImage);
    cvReleaseImage(&NormalizeImage);
  }
  else
  {
             cvShowImage(name,Image);
  }
 }
 else
 {
  IplImage* ImageResize=cvCreateImage(cvSize(1280,Image->height/(Image->width/1280)),Image->depth ,Image->nChannels);
  cvResize(Image,ImageResize,1);
     if(ImageResize->depth!=IPL_DEPTH_8U)
  {
    IplImage* NormalizeImage=NULL;
    NormalizeImage=cvCreateImage(cvGetSize(ImageResize),IPL_DEPTH_8U,1);
    cvConvertScale(Image,NormalizeImage,1,0);//将图转为0-256，用于图片显示，
    cvShowImage(name,NormalizeImage);
    cvReleaseImage(&NormalizeImage);
  }
  else
  {
     cvShowImage(name,ImageResize);
  }

  cvReleaseImage(&ImageResize);
 }

}
//对较大的图片缩放，不然显示器分辨率不支持，只能部分显示,具体见http://blog.csdn.net/yanmy2012/article/details/8110516
int MaxImageWidth=2650;
float Scale=1;
int MinPicWidth=640;
int MinPicHeight=428*MinPicWidth/640;
int Maxradius_self=68*MinPicWidth/640;
int Minradius_self=50*MinPicWidth/640;
int Radius_dist=20*MinPicWidth/640;
int MaxPicWidth=MinPicWidth*Scale;
int MaxPicHeight=MinPicHeight*Scale;

void main()
{

    IplImage * pictemp=NULL;
    IplImage * pic=NULL;
    char *imgpath="12.jpg";
    pictemp=cvLoadImage(imgpath,-1);///获取图片，原色获取
 　　//pictemp=cvLoadImage("IMG_02071.jpg",-1);///获取图片，原色获取
    /////////////////改变图片的像素大小

 if(pic!=NULL)
 {
  cvReleaseImage(&pic);
 }

 if(pictemp->width>MaxImageWidth)
 {
     pic=cvCreateImage(cvSize(MaxPicWidth,MaxPicHeight),pictemp->depth ,3);

     cvResize(pictemp,pic,CV_INTER_AREA );
 }
 else
 {

    pic=cvCloneImage(pictemp);

 }
    ShowConvertImage("pic",pic);
    cvReleaseImage(&pictemp);

 IplImage * Gray_pic=cvCreateImage(cvGetSize(pic),pic->depth ,1);
 cvCvtColor(pic,Gray_pic, CV_BGR2GRAY );    //////将Image变成灰度图片保存在gray中
 cvCanny(Gray_pic,Gray_pic,50,150,3);
 IplImage * Result_pic=cvCreateImage(cvGetSize(pic),IPL_DEPTH_16S ,1);
 // IplImage * Result_pic=cvCreateImage(cvGetSize(pic),IPL_DEPTH_8U ,1);

 CvMat *kernel=cvCreateMat(3,3,CV_32FC1);
 ///卷积核的初始化
 ////90度模板卷积核
 {
    cvSetReal2D(kernel,0,0, 1);  cvSetReal2D(kernel,0,1, 2); cvSetReal2D(kernel,0,2, 1);
    cvSetReal2D(kernel,1,0, 0);  cvSetReal2D(kernel,1,1, 0); cvSetReal2D(kernel,1,2, 0);
 　　cvSetReal2D(kernel,2,0,-1);  cvSetReal2D(kernel,2,1,-2); cvSetReal2D(kernel,2,2,-1);
 }
 ////////////进行卷积核计算
 cvFilter2D(Gray_pic,Result_pic,kernel,cvPoint(1,1));
 ShowConvertImage("卷积结果90°",Result_pic);

 ////225度模板卷积核
 {
    cvSetReal2D(kernel,0,0, 2);  cvSetReal2D(kernel,0,1, 1); cvSetReal2D(kernel,0,2, 0);
    cvSetReal2D(kernel,1,0, 1);  cvSetReal2D(kernel,1,1, 0); cvSetReal2D(kernel,1,2,-1);
 　　cvSetReal2D(kernel,2,0, 0);  cvSetReal2D(kernel,2,1,-1); cvSetReal2D(kernel,2,2,-2);
 }
 ////////////进行卷积核计算
 cvFilter2D(Gray_pic,Result_pic,kernel,cvPoint(1,1));
 ShowConvertImage("卷积结果225°",Result_pic);
 ////180度模板卷积核
 {
    cvSetReal2D(kernel,0,0, 1);  cvSetReal2D(kernel,0,1, 0); cvSetReal2D(kernel,0,2,-1);
    cvSetReal2D(kernel,1,0, 2);  cvSetReal2D(kernel,1,1, 0); cvSetReal2D(kernel,1,2,-2);
 　　cvSetReal2D(kernel,2,0, 1);  cvSetReal2D(kernel,2,1, 0); cvSetReal2D(kernel,2,2,-1);
 }
 ////////////进行卷积核计算
 cvFilter2D(Gray_pic,Result_pic,kernel,cvPoint(1,1));
 ShowConvertImage("卷积结果180°",Result_pic);
 ////135度模板卷积核
 {
    cvSetReal2D(kernel,0,0, 0);  cvSetReal2D(kernel,0,1,-1); cvSetReal2D(kernel,0,2,-2);
    cvSetReal2D(kernel,1,0, 1);  cvSetReal2D(kernel,1,1, 0); cvSetReal2D(kernel,1,2,-1);
 　　cvSetReal2D(kernel,2,0, 2);  cvSetReal2D(kernel,2,1, 1); cvSetReal2D(kernel,2,2, 0);
 }
 ////////////进行卷积核计算
 cvFilter2D(Gray_pic,Result_pic,kernel,cvPoint(1,1));
 ShowConvertImage("卷积结果135°",Result_pic);
 //90度模板卷积核
 {
    cvSetReal2D(kernel,0,0,-1);  cvSetReal2D(kernel,0,1,-2); cvSetReal2D(kernel,0,2,-1);
    cvSetReal2D(kernel,1,0, 0);  cvSetReal2D(kernel,1,1, 0); cvSetReal2D(kernel,1,2, 0);
 　　cvSetReal2D(kernel,2,0, 1);  cvSetReal2D(kernel,2,1, 2); cvSetReal2D(kernel,2,2, 1);
 }
 ////////////进行卷积核计算
 cvFilter2D(Gray_pic,Result_pic,kernel,cvPoint(1,1));
 ShowConvertImage("卷积结果90°",Result_pic);
 ////45度模板卷积核
 {
    cvSetReal2D(kernel,0,0,-2);  cvSetReal2D(kernel,0,1,-1); cvSetReal2D(kernel,0,2, 0);
    cvSetReal2D(kernel,1,0,-1);  cvSetReal2D(kernel,1,1, 0); cvSetReal2D(kernel,1,2, 1);
 　　cvSetReal2D(kernel,2,0, 0);  cvSetReal2D(kernel,2,1, 1); cvSetReal2D(kernel,2,2, 2);
 }
 ////////////进行卷积核计算
 cvFilter2D(Gray_pic,Result_pic,kernel,cvPoint(1,1));
 ShowConvertImage("卷积结果45°",Result_pic);
 ////0度模板卷积核
 {
    cvSetReal2D(kernel,0,0,-1);  cvSetReal2D(kernel,0,1, 0); cvSetReal2D(kernel,0,2, 1);
    cvSetReal2D(kernel,1,0,-2);  cvSetReal2D(kernel,1,1, 0); cvSetReal2D(kernel,1,2, 2);
 　　cvSetReal2D(kernel,2,0,-1);  cvSetReal2D(kernel,2,1, 0); cvSetReal2D(kernel,2,2, 1);
 }
 ////////////进行卷积核计算
 cvFilter2D(Gray_pic,Result_pic,kernel,cvPoint(1,1));
 ShowConvertImage("卷积结果0°",Result_pic);

 //315度模板卷积核
 {
    cvSetReal2D(kernel,0,0, 0);  cvSetReal2D(kernel,0,1, 1); cvSetReal2D(kernel,0,2, 2);
    cvSetReal2D(kernel,1,0,-1);  cvSetReal2D(kernel,1,1, 0); cvSetReal2D(kernel,1,2, 1);
 　　cvSetReal2D(kernel,2,0,-2);  cvSetReal2D(kernel,2,1,-1); cvSetReal2D(kernel,2,2, 0);
 }
 ////////////进行卷积核计算
 cvFilter2D(Gray_pic,Result_pic,kernel,cvPoint(-1,-1));
 ShowConvertImage("卷积结果315",Result_pic);

 cvSobel(Gray_pic,Result_pic,0,1,3);
 ShowConvertImage("Sobel结果X=0,Y=1",Result_pic);
 cvSobel(Gray_pic,Result_pic,0,2,3);
 ShowConvertImage("Sobel结果X=0,Y=2",Result_pic);
 cvSobel(Gray_pic,Result_pic,1,0,3);
 ShowConvertImage("Sobel结果X=1,Y=0",Result_pic);
 cvSobel(Gray_pic,Result_pic,1,1,3);
 ShowConvertImage("Sobel结果X=1,Y=1",Result_pic);
 cvSobel(Gray_pic,Result_pic,1,2,3);
 ShowConvertImage("Sobel结果X=1,Y=2",Result_pic);
 cvSobel(Gray_pic,Result_pic,2,0,3);
 ShowConvertImage("Sobel结果X=2,Y=0",Result_pic);
 cvSobel(Gray_pic,Result_pic,2,1,3);
 ShowConvertImage("Sobel结果X=2,Y=1",Result_pic);
 cvSobel(Gray_pic,Result_pic,2,2,3);
 ShowConvertImage("Sobel结果X=2,Y=2",Result_pic);

 cvWaitKey(0);
 cvReleaseImage(&Result_pic);
 cvReleaseImage(&Gray_pic);
 cvReleaseImage(&pic);
 cvReleaseMat(&kernel);
}
时间： 2024-11-10 14:08:26

《OpenCV:Sobel算子理论与OpenCV代码实现》的相关文章

CI框架源码阅读笔记3 全局函数Common.php

从本篇开始,将深入CI框架的内部,一步步去探索这个框架的实现.结构和设计. Common.php文件定义了一系列的全局函数(一般来说,全局函数具有最高的加载优先权,因此大多数的框架中BootStrap引导文件都会最先引入全局函数,以便于之后的处理工作). 打开Common.php中,第一行代码就非常诡异: if ( ! defined('BASEPATH')) exit('No direct script access allowed'); 上一篇(CI框架源码阅读笔记2 一切的入口 index

IOS测试框架之：athrun的InstrumentDriver源码阅读笔记

athrun的InstrumentDriver源码阅读笔记 作者:唯一 athrun是淘宝的开源测试项目,InstrumentDriver是ios端的实现,之前在公司项目中用过这个框架,没有深入了解,现在回来记录下. 官方介绍:http://code.taobao.org/p/athrun/wiki/instrumentDriver/ 优点:这个框架是对UIAutomation的java实现,在代码提示.用例维护方面比UIAutomation强多了,借junit4的光,我们可以通过junit4的

Yii源码阅读笔记 - 日志组件

?使用 Yii框架为开发者提供两个静态方法进行日志记录: Yii::log($message, $level, $category);Yii::trace($message, $category); 两者的区别在于后者依赖于应用开启调试模式,即定义常量YII_DEBUG: defined('YII_DEBUG') or define('YII_DEBUG', true); Yii::log方法的调用需要指定message的level和category.category是格式为“xxx.yyy.z

源码阅读笔记 - 1 MSVC2015中的std::sort

大约寒假开始的时候我就已经把std::sort的源码阅读完毕并理解其中的做法了,到了寒假结尾,姑且把它写出来 这是我的第一篇源码阅读笔记,以后会发更多的,包括算法和库实现,源码会按照我自己的代码风格格式化,去掉或者展开用于条件编译或者debug检查的宏,依重要程度重新排序函数,但是不会改变命名方式(虽然MSVC的STL命名实在是我不能接受的那种),对于代码块的解释会在代码块前(上面)用注释标明. template<class _RanIt, class _Diff, class _Pr> in

CI框架源码阅读笔记5 基准测试 BenchMark.php

上一篇博客(CI框架源码阅读笔记4 引导文件CodeIgniter.php)中,我们已经看到:CI中核心流程的核心功能都是由不同的组件来完成的.这些组件类似于一个一个单独的模块,不同的模块完成不同的功能,各模块之间可以相互调用,共同构成了CI的核心骨架. 从本篇开始,将进一步去分析各组件的实现细节,深入CI核心的黑盒内部(研究之后,其实就应该是白盒了,仅仅对于应用来说,它应该算是黑盒),从而更好的去认识.把握这个框架. 按照惯例,在开始之前,我们贴上CI中不完全的核心组件图: 由于BenchMa

CI框架源码阅读笔记2 一切的入口 index.php

上一节(CI框架源码阅读笔记1 - 环境准备.基本术语和框架流程)中,我们提到了CI框架的基本流程,这里这次贴出流程图,以备参考: 作为CI框架的入口文件,源码阅读,自然由此开始.在源码阅读的过程中,我们并不会逐行进行解释,而只解释核心的功能和实现. 1.       设置应用程序环境 define('ENVIRONMENT', 'development'); 这里的development可以是任何你喜欢的环境名称(比如dev,再如test),相对应的,你要在下面的switch case代码块中

Apache Storm源码阅读笔记

欢迎转载,转载请注明出处. 楔子 自从建了Spark交流的QQ群之后,热情加入的同学不少,大家不仅对Spark很热衷对于Storm也是充满好奇.大家都提到一个问题就是有关storm内部实现机理的资料比较少,理解起来非常费劲. 尽管自己也陆续对storm的源码走读发表了一些博文,当时写的时候比较匆忙,有时候衔接的不是太好,此番做了一些整理,主要是针对TridentTopology部分,修改过的内容采用pdf格式发布,方便打印. 文章中有些内容的理解得益于徐明明和fxjwind两位的指点,非常感谢.

CI框架源码阅读笔记4 引导文件CodeIgniter.php

到了这里,终于进入CI框架的核心了.既然是"引导"文件,那么就是对用户的请求.参数等做相应的导向,让用户请求和数据流按照正确的线路各就各位.例如,用户的请求url: http://you.host.com/usr/reg 经过引导文件,实际上会交给Application中的UsrController控制器的reg方法去处理. 这之中,CodeIgniter.php做了哪些工作?我们一步步来看. 1.    导入预定义常量.框架环境初始化 之前的一篇博客(CI框架源码阅读笔记2 一切的入

jdk源码阅读笔记之java集合框架（二）（ArrayList）

关于ArrayList的分析,会从且仅从其添加(add)与删除(remove)方法入手. ArrayList类定义: p.p1 { margin: 0.0px 0.0px 0.0px 0.0px; font: 18.0px Monaco } span.s1 { color: #931a68 } public class ArrayList<E> extends AbstractList<E> implements List<E> ArrayList基本属性: /** *

dubbo源码阅读笔记--服务调用时序

上接dubbo源码阅读笔记--暴露服务时序,继续梳理服务调用时序,下图右面红线流程. 整理了调用时序图 分为3步,connect,decode,invoke. 连接 AllChannelHandler.connected(Channel) line: 38 HeartbeatHandler.connected(Channel) line: 47 MultiMessageHandler(AbstractChannelHandlerDelegate).connected(Channel) line: