opencv学习笔记——sobel

学习sobel总结：

先说下边缘，在图像上像素发生跃迁的的地方。

如何捕捉边缘：对图像进行一阶求导，▲ = f(x)-f(x-1),▲的值越大，那么说明x方向边缘信号越强烈。 

下图图我们可以看见像素值明显发生改变，表示这一现象可以用导数，变化率越大，说明像素值改变越显著

f(x)为图像像素值的函数图，f'(t)为f(t)的一阶导数，即当前像素减去上一个像素的差值，可以看到红圈标注的地方，即边缘信号的最大体现。

但是应用到图像中我们是找不到这个函数的，在图像中不是一个准确的函数,所以使用其他方式来替代求导，以x方向为例子，使用第三行元素之和减去第一行元素之和，那么这样得到了变化率就相当于求导。y方向也是一样，只不过用第三列元素之和减去第一列元素之和。

写了一段代码验证一下，首先创建一个5*7的图像，并且创建一个滤波器，使用filter2D进行卷积，dst为输出图像

int main()
{
	Mat A = (Mat_<uchar>(5, 7)<<
		20, 30, 15, 3, 16, 9, 56,
		21, 33, 66, 15, 3, 9, 75,
		11, 0, 3, 2, 6, 12, 35,
		15, 26, 35, 15, 12, 3, 33,
		21, 14, 12, 95, 13, 2, 15);
	//Mat B;
	Mat kernel = (Mat_<char>(3, 3) << -1, 0, 1, -2, 0, 2, -1, 0, 1);
	Mat dst;
	//copyMakeBorder(A, B, 1, 1, 1, 1, BORDER_CONSTANT,0);
	filter2D(A, dst, CV_16S, kernel);
	convertScaleAbs(dst, dst);
	dst = dst(Rect(1, 1, dst.cols - 2, dst.rows - 2));
	waitKey(0);
	return 0;
}

使用卷积计算.. 那么，x方向求导就出来了，我们可以看到最后的图像，边缘就比较明显了，这里需要注意的是 ，对于边缘来说，使用Gx计算的是纵向边缘，使用Gy计算的是横向边缘。