簡要描述
sobel運算元主要用於獲得數字影象的一階梯度，常見的應用是邊緣檢測。
原理運算元使用兩個3*3的矩陣（圖1）運算元使用兩個3*3的矩陣（圖1）去和原始作卷積，分別得到橫向ｇ（ｘ）和縱向ｇ（ｙ）的梯度值，如果梯度值大於某乙個閾值，則認為該點為邊緣點
圖1：卷積矩陣
圖2：卷積運算
影象直接卷積實現sobel：
//影象直接卷積實現sobel
bool sobeledge(const cv::mat image, cv::mat &result, uchar threshold)
}//計算梯度模長
gramag = sqrt(pow(edgex, 2) + pow(edgey, 2));
//二值化
result.at(i - 1, j - 1) = ((gramag > threshold) ? 255 : 0);
} }return true;
}
非極大值抑制sobel邊緣實現：
//非極大值抑制實現sobel豎直細化邊緣
bool sobelveredge(cv::mat image, cv::mat &result)
} resulttempmat.convertto(resulttempmat, cv_8uc1);
result = resulttempmat.clone();
return true;
}
在opencv中，sobel運算元在c++中的函式原型如下：
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 )outputarray dst：輸出的邊緣檢測結果影象，mat型，大小與原影象相同。
int ddepth：輸出影象的深度，針對不同的輸入影象，輸出目標影象有不同的深度，具體組合如下：
- 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
注：ddepth =-1時，代表輸出影象與輸入影象相同的深度。
int dx：int型別dx，x 方向上的差分階數，1或0
int dy：int型別dy，y 方向上的差分階數，1或0
其中，dx=1，dy=0，表示計算x方向的導數，檢測出的是垂直方向上的邊緣；dx=0，dy=1，表示計算y方向的導數，檢測出的是水平方向上的邊緣。
int ksize：為進行邊緣檢測時的模板大小為ksize*ksize，取值為1、3、5和7，其中預設值為3。
**實現：
int main()
邊緣檢測運算元
看了很多邊緣檢測的文章，有些不夠詳細，有些不算綜合，所以打算總結一下！以下內容均為個人理解，如有問題，望指正！首先，我想要解釋一下什麼是邊緣。通俗地講，灰度值變化劇烈的地方就是邊緣。那麼如何判斷灰度值變化？如何度量 劇烈 各類演算法給出了自己的規範或者說是原則。所以，各類運算元就跳出來了。由於各類運...
邊緣檢測運算元
sobel amp image edgeamplitude filtertype,size 根據影象的一次導數計算影象的邊緣 close edges edges,edgeimage regionresult minamplitude close edges length edges,gradient...
邊緣檢測運算元
1.sobel運算元 索貝爾 主要思想是 利用影象畫素點的上下左右的畫素點進行加權差，邊緣的差值會較大，從而得到對應的邊緣。它是一種差分性運算元，包含3 3的橫向，縱向模板，分別對影象進行卷積，得到橫座標，縱座標的亮度差分值。計算出影象亮度函式的梯度近似值。它是一種基於一階導數的邊緣運算元。優點是能...