Sobel算子

是离散微分算子(discrete differentiation operator ) ,用来计算图像灰度的近似梯度
Soble算子功能集合高斯平滑和微分求导，又被称为一阶微分算子，求导算子，在水平和垂直两个方向上求导，得到图像x方法与y方向梯度图像
 

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
int main(int argc, char** argv) {
	Mat dst;
	Mat src = imread("C:/Users/ThinkPad/Desktop/1.PNG");
	if (!src.data) {
		printf("could not find");
		return -1;
	}
	namedWindow("input", cv::WINDOW_AUTOSIZE);
	namedWindow("output", cv::WINDOW_AUTOSIZE);
	cv::imshow("input", src);
	Mat gray_src;
	GaussianBlur(src, dst, Size(3, 3), 0, 0);
	//转为灰度图：
	cvtColor(dst, gray_src, COLOR_BGR2GRAY);
	imshow("gray image", gray_src);

	Mat xgrad, ygrad;
	//sobel算子
	Sobel(gray_src, xgrad, CV_16S, 1, 0, 3);
	Sobel(gray_src, ygrad, CV_16S, 0, 1, 3);
	//防止信息丢失，所以如果有负值，则进行转换。
	convertScaleAbs(xgrad, xgrad);
	convertScaleAbs(ygrad, ygrad);
	imshow("xgrad", xgrad);
	imshow("ygrad", ygrad);
	Mat xygrad = Mat(xgrad.size(), xgrad.type());
	printf("type:%d\n", xgrad.type());
	int width = xgrad.cols;
	int height = ygrad.rows;
	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			int xg = xgrad.at<uchar>(row, col);
			int yg = ygrad.at<uchar>(row, col);
			int xy = xg + yg;
			xygrad.at<uchar>(row, col) = saturate_cast<uchar>(xy);
		}
	}
	//addWeighted(xgrad, 0.5, ygrad, 0.5, 0, xygrad);
	imshow("output", xygrad);

	waitKey(0);
	return 0;
}

结果图:(使用自己实现的实现x和y方向的融合)

 使用addweighted函数进行融合。

 使用Scharr的效果：这个方法是比sobel效果更强的边缘检测算子。

//Scharr
	Scharr(gray_src, xgrad, CV_16S, 1, 0);
	Scharr(gray_src, ygrad, CV_16S, 0, 1);