一、Sobel算法
1、算法概述
- 提取X方向的边缘，X方向一阶Sobel边缘检测算法为：
[ − 1 0 1 − 2 0 2 − 1 0 1 ] (1) \left[ \begin{matrix} -1 & 0 & 1\\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{matrix} \right] \tag{1} ⎣⎡−1−2−1000121⎦⎤(1) - 提取Y方向的边缘，Y方向一阶Sobel边缘检测算法为：
[ − 1 − 2 − 1 0 0 0 1 2 1 ] (2) \left[ \begin{matrix} -1 & -2 & -1\\ 0 & 0 & 0 \\ 1 & 2 & 1 \end{matrix} \right] \tag{2} ⎣⎡−101−202−101⎦⎤(2) - 综合两个方向的边缘信息得到整幅图像的边缘。
2、主要函数
Sobel_x_or_y = cv2.Sobel(src, ddepth, dx, dy, dst, ksize, scale, delta, borderType) src：传入的图像ddepth：图像的深度dx、dy：指的是求导的阶数，0表示这个方向上没有求导，所填的数一般为0、1、2。ksize：是Sobel算子的大小，即卷积核的大小，必须为奇数1、3、5、7。如果ksize=-1，就演变成为3×3的Scharr算子，scale是缩放导数的比例常数，默认情况为没有伸缩系数。borderType：是判断图像边界的模式，这个参数默认值为cv2.BORDER_DEFAULT。dst及dst之后的参数都是可选参数。
二、C++代码
#include
三、python代码
import cv2 img = cv2.imread("1.jpg") gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # -------------------Sobel边缘检测------------------------ x = cv2.Sobel(gray_img, cv2.CV_16S, 1, 0) y = cv2.Sobel(gray_img, cv2.CV_16S, 0, 1) # cv2.convertScaleAbs(src[, dst[, alpha[, beta]]]) # 可选参数alpha是伸缩系数，beta是加到结果上的一个值，结果返回uint类型的图像 Scale_absX = cv2.convertScaleAbs(x) # convert 转换 scale 缩放 Scale_absY = cv2.convertScaleAbs(y) result = cv2.addWeighted(Scale_absX, 0.5, Scale_absY, 0.5, 0) # ----------------------显示结果---------------------------- cv2.imshow('img', gray_img) cv2.imshow('Scale_absX', Scale_absX) cv2.imshow('Scale_absY', Scale_absY) cv2.imshow('result', result) cv2.waitKey(0) cv2.destroyAllWindows() 四、结果展示
1、灰度图
2、X方向一阶边缘
2、Y方向一阶边缘
3、整幅图像的一阶边缘
五、相关链接
[1] python+OpenCV图像处理（八）边缘检测
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/206121.html原文链接：https://javaforall.net
