1.目的
（1）如何使用opencv函式sobel對影象求導數
（2）如何使用opencv函式scharr對影象求導數
2.原理
（1）影象邊緣
影象邊緣是影象畫素發生顯著變化的位置。使用卷積運算可以近似計算影象梯度，檢測影象邊緣，梯度值大意味影象內容發生顯著變化，可以認為該處為影象的邊緣處。
（2）sobel運算元
[1]sobel運算元是乙個一階離散微分運算元，可以用它來計算灰度影象的近似梯度
[2]sobel 運算元結合了高斯平滑和微分求導。
[3]計算
<1>兩個方向的梯度
a.水平變化: 將 i 與乙個奇數大小的核心 gx 進行卷積。比如，當核心大小為3時, gx 的計算結果為:
b.垂直變化: 將:math:i 與乙個奇數大小的核心 gy 進行卷積。比如，當核心大小為3時, gy 的計算結果為:
<2>近似梯度計算
或者：
note：
當核心大小為 3 時, 以上sobel核心可能產生比較明顯的誤差(畢竟，sobel運算元只是求取了導數的近似值)。 為解決這一問題，opencv提供了 scharr 函式，但該函式僅作用於大小為3的核心。該函式的運算與sobel函式一樣快，但結果卻更加精確，其核心為:
3.部分**解釋
（1）sobel
/*
sobel引數解釋
src：輸入影象
ddepth：影象深度
x_order:x方向梯度
y_order:y方向梯度
kernel_size：核大小（為奇數）
scale：尺度,計算導數時的縮放因子
delta：梯度偏置值，對計算結果的偏置
border_default：預設邊界設定
*/sobel(src, gradx, ddepth, 1, 0, 2
*kernel_size+1, scale, delta, border_default);
sobel(src, grady, ddepth, 0, 1, 2
*kernel_size+1, scale, delta, border_default);
/*
scharr引數解釋
src：輸入影象
ddepth：影象深度
x_order:x方向梯度
y_order:y方向梯度
scale：尺度,計算導數時的縮放因子
delta：梯度偏置值，對計算結果的偏置
border_default：預設邊界設定
*///scharr只能使用大小為3的卷積核
scharr(src, gradx, ddepth, 1, 0, scale, delta, border_default);
scharr(src, grady, ddepth, 0, 1, scale, delta, border_default);
（1）commoninclude.h
#include
using
namespace
std;
#include
#include
#include
using
namespace cv;
#include "commoninclude.h"
int edge_type = 0;
int kernel_size = 3;
int scale = 1;
int max_edge_type = 3;
int max_kernel_size = 11;
int ddepth = cv_16s;
double delta = 0;
char windownameorigin = "origin";
char windownameedge = "edge";
/*0:sobel
1:scharr
2:laplace
3:canny
*/mat src, grad;
mat gradx, grady;
mat absgradx, absgrady;
void edgedetector(int, void*)
imshow(windownameedge, grad);
}int main(int argc, char** argv)
src = imread(argv[1]);
if(!src.data)
namedwindow(windownameedge, cv_window_autosize);
//高斯處理
gaussianblur(src, src, size(3,3), 0, 0, border_default);
//轉化為灰度影象
cvtcolor(src, src, cv_bgr2gray);
imshow(windownameorigin, src);
createtrackbar("edge type:\n0 sobel\n1 scharr\n2 laplace \n3 canny", windownameedge,
&edge_type, max_edge_type,
edgedetector);
createtrackbar("kernel size:2*n+1", windownameedge,
&kernel_size, max_kernel_size,
edgedetector);
edgedetector(0,0);
waitkey(0);
}
imgproc模組 Remapping重對映
1.目的 1 如何使用opencv函式remap實現簡單的重對映 2.原理 把乙個影象中乙個位置的畫素放置到另乙個指定位置的過程，為了完成對映過程,有必要獲得一些插值為非整數畫素座標,因為源影象與目標影象的畫素座標不是一一對應的。我們通過重對映來表達每個畫素的位置 x,y g x,y f h x,y...
imgproc模組 模板匹配
1.目的 1 使用opencv函式matchtemplate 在輸入影象中搜尋影象塊 2 使用opencv函式minmaxloc 尋找陣列中的最大或者最小值 2.原理 1 模板匹配 給定乙個影象塊，搜尋配對的影象塊，當模板是矩形時候，並不一定所有的矩形塊內容都是相關的，在這種情況下，可以利用掩碼分離...
imgproc模組 Laplace邊緣檢測運算元
1.目的 1 如何使用opencv函式laplacian實現laplacian運算元的離散模擬 2.原理 在一階導數的極值位置，二階導數為0。所以我們也可以用這個特點來作為檢測影象邊緣的方法。laplacian運算元的定義 opencv函式 laplacian 實現了laplacian運算元。實際上...