opencv4入门笔记（18）：图像梯度

本系列代码托管于：https://github.com/chintsan-code/opencv4-tutorials

本篇使用的项目为：gradient

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

using namespace cv;
using namespace std;

int main(int argc, const char** argv) {
	Mat src = imread("../sample/lena512.bmp");
	if (src.empty()) {
		cout << "could not load image..." << endl;
		return -1;
	}
	namedWindow("input", WINDOW_AUTOSIZE);
	imshow("input", src);

	// robot gradient 计算
	Mat roberts_x = (Mat_<int>(2, 2) << 1, 0, 0, -1);
	Mat roberts_y = (Mat_<int>(2, 2) << 0, 1, -1, 0);

	Mat grad_x, grad_y;
	filter2D(src, grad_x, CV_32F, roberts_x, Point(-1, -1), 0, BORDER_DEFAULT);
	filter2D(src, grad_y, CV_32F, roberts_y, Point(-1, -1), 0, BORDER_DEFAULT);
	convertScaleAbs(grad_x, grad_x);
	convertScaleAbs(grad_y, grad_y);
	Mat roberts_dst;
	add(grad_x, grad_y, roberts_dst); //L1
	imshow("robot gradient", roberts_dst);

	// sobel
	Sobel(src, grad_x, CV_32F, 1, 0);
	Sobel(src, grad_y, CV_32F, 0, 1);
	convertScaleAbs(grad_x, grad_x);
	convertScaleAbs(grad_y, grad_y);
	Mat sobel_dst;
	add(grad_x, grad_y, sobel_dst);
	//addWeighted(grad_x, 0.5, grad_y, 0.5, 0, result2);
	imshow("sobel gradient", sobel_dst);

	// scharr
	Scharr(src, grad_x, CV_32F, 1, 0);
	Scharr(src, grad_y, CV_32F, 0, 1);
	convertScaleAbs(grad_x, grad_x);
	convertScaleAbs(grad_y, grad_y);
	Mat scharr_dst;
	addWeighted(grad_x, 0.5, grad_y, 0.5, 0, scharr_dst);
	imshow("scharr gradient", scharr_dst);

	waitKey(0);
	destroyAllWindows();
	return 0;
}

Roberts算子

属于一阶导数算子。

// robot gradient 计算
Mat roberts_x = (Mat_<int>(2, 2) << 1, 0, 0, -1);
Mat roberts_y = (Mat_<int>(2, 2) << 0, 1, -1, 0);

Mat grad_x, grad_y;
filter2D(src, grad_x, CV_32F, roberts_x, Point(-1, -1), 0, BORDER_DEFAULT);
filter2D(src, grad_y, CV_32F, roberts_y, Point(-1, -1), 0, BORDER_DEFAULT);
convertScaleAbs(grad_x, grad_x);
convertScaleAbs(grad_y, grad_y);
Mat roberts_dst;
add(grad_x, grad_y, roberts_dst); //L1梯度
imshow("robot gradient", roberts_dst);

Sobel算子

属于一阶导数算子。

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 );

• src：输入图像
• dst：输出图像。与src具有相同的尺寸和通道数
• ddepth：输出图像的深度。由于卷积核中有负数，一般用CV_32F，如果用CV_8U将会导致导数截断
• dx：x方向的导数阶数
• dy：y方向的导数阶数
• ksize：卷积核尺寸。必须为1,3,5或7
• scale：比例因子，默认为1，即不使用
• delta：在储存目标图像前可选的添加到像素的值，可用于提升亮度。 默认值为0
• borderType：图像边缘处理方式

Scharr算子

属于一阶导数算子。可以看作是Sobel算子的增强

void Scharr( InputArray src, OutputArray dst, int ddepth, int dx, int dy, double scale = 1, double delta = 0, int borderType = BORDER_DEFAULT );

• src：输入图像
• dst：输出图像。与src具有相同的尺寸和通道数
• ddepth：输出图像的深度。由于卷积核中有负数，一般用CV_32F，如果用CV_8U将会导致导数截断
• dx：x方向的导数阶数
• dy：y方向的导数阶数
• scale：比例因子，默认为1，即不使用
• delta：在储存目标图像前可选的添加到像素的值，可用于提升亮度。 默认值为0
• borderType：图像边缘处理方式

一阶导数算子

提取边缘能力：Roberts < Sobel < Scharr

一阶导数最大的地方认为是边缘

L1梯度

$$G=|G_x|+|G_y|$$

可以用add函数或addWeighted函数实现

L2梯度

$$G=\sqrt{G_x^2+G_y^2}$$