快捷導(dǎo)航

OpenCV實(shí)現(xiàn)Sobel邊緣檢測的示例

更新時(shí)間：2022年08月03日 15:27:29 作者：點(diǎn)云俠

本文主要介紹了OpenCV實(shí)現(xiàn)Sobel邊緣檢測的示例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

一、Sobel算法

1、算法概述

Sobel邊緣檢測算法比較簡單，實(shí)際應(yīng)用中效率比canny邊緣檢測效率要高，但是邊緣不如Canny檢測的準(zhǔn)確，然而在很多實(shí)際應(yīng)用的場合，sobel邊緣卻是首選，Sobel算子是高斯平滑與微分操作的結(jié)合體，所以其抗噪聲能力很強(qiáng)，用途較多。尤其是在對效率要求較高，而對細(xì)紋理不太關(guān)系的時(shí)候。

使用Sobel算子提取圖像邊緣分3個(gè)步驟：

提取X方向的邊緣，X方向一階Sobel邊緣檢測算法為：

提取Y方向的邊緣，Y方向一階Sobel邊緣檢測算法為：

綜合兩個(gè)方向的邊緣信息得到整幅圖像的邊緣。

2、主要函數(shù)

Sobel_x_or_y = cv2.Sobel(src, ddepth, dx, dy, dst, ksize, scale, delta, borderType)

src：傳入的圖像
ddepth：圖像的深度
dx、dy：指的是求導(dǎo)的階數(shù)，0表示這個(gè)方向上沒有求導(dǎo)，所填的數(shù)一般為0、1、2。
ksize：是Sobel算子的大小，即卷積核的大小，必須為奇數(shù)1、3、5、7。如果ksize=-1，就演變成為3x3的Scharr算子，scale是縮放導(dǎo)數(shù)的比例常數(shù)，默認(rèn)情況為沒有伸縮系數(shù)。
borderType：是判斷圖像邊界的模式，這個(gè)參數(shù)默認(rèn)值為cv2.BORDER_DEFAULT。
dst及dst之后的參數(shù)都是可選參數(shù)。

二、C++代碼

#include <iostream>
#include <opencv2\opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
	//----------------讀取圖像-----------------
	Mat img = imread("1.jpg");
	//黑白圖像邊緣檢測結(jié)果較為明顯
	Mat gray_img;
	cvtColor(img, gray_img, COLOR_BGR2GRAY);
	Mat resultX, resultY, resultXY;
	//-------------Sobel邊緣檢測--------------
	//X方向一階邊緣
	Sobel(img, resultX, CV_16S, 2, 0, 1);
	convertScaleAbs(resultX, resultX);

	//Y方向一階邊緣
	Sobel(img, resultY, CV_16S, 0, 1, 3);
	convertScaleAbs(resultY, resultY);

	//整幅圖像的一階邊緣
	resultXY = resultX + resultY;

	//顯示圖像
	imshow("resultX", resultX);
	imshow("resultY", resultY);
	imshow("resultXY", resultXY);
	waitKey(0);
	return 0;
}

三、python代碼

import cv2

img = cv2.imread("1.jpg")
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# -------------------Sobel邊緣檢測------------------------
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]]])
# 可選參數(shù)alpha是伸縮系數(shù)，beta是加到結(jié)果上的一個(gè)值，結(jié)果返回uint類型的圖像
Scale_absX = cv2.convertScaleAbs(x)  # convert 轉(zhuǎn)換  scale 縮放
Scale_absY = cv2.convertScaleAbs(y)
result = cv2.addWeighted(Scale_absX, 0.5, Scale_absY, 0.5, 0)
# ----------------------顯示結(jié)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()