Sobel算子的边缘检测

索贝尔算子(Sobel operator)主要用作边缘检测,在技术上,它是一离散性差分算子,用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子,将会产生对应的灰度矢量或是其法矢量

Sobel卷积因子为:

该算子包含两组3x3的矩阵,分别为横向及纵向,将之与图像作平面卷积,即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像,Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值,其公式如下:

具体计算如下:

Gx = (-1)*f(x-1, y-1) + 0*f(x,y-1) + 1*f(x+1,y-1)

      +(-2)*f(x-1,y) + 0*f(x,y)+2*f(x+1,y)

      +(-1)*f(x-1,y+1) + 0*f(x,y+1) + 1*f(x+1,y+1)

= [f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)]

Gy =1* f(x-1, y-1) + 2*f(x,y-1)+ 1*f(x+1,y-1)

      +0*f(x-1,y) 0*f(x,y) + 0*f(x+1,y)

      +(-1)*f(x-1,y+1) + (-2)*f(x,y+1) + (-1)*f(x+1, y+1)

= [f(x-1,y-1) + 2f(x,y-1) + f(x+1,y-1)]-[f(x-1, y+1) + 2*f(x,y+1)+f(x+1,y+1)]

其中f(a,b), 表示图像(a,b)点的灰度值;

图像的每一个像素的横向及纵向灰度值通过以下公式结合,来计算该点灰度的大小:

通常,为了提高效率 使用不开平方的近似值:

如果梯度G大于某一阀值则认为该点(x,y)为边缘点。

然后可用以下公式计算梯度方向:

Sobel算子根据像素点上下、左右邻点灰度加权差,在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用,提供较为精确的边缘方向信息,边缘定位精度不够高。当对精度要求不是很高时,是一种较为常用的边缘检测方法。
  
 

附带知识:

普利维特算子(Prewitt operate) 

除sobel边缘检测外 还有Prewitt算子, 它的卷积因子如下:

其他计算 和sobel差不多;

Prewitt算子利用像素点上下、左右邻点灰度差,在边缘处达到极值检测边缘。对噪声具有平滑作用,定位精度不够高。

罗伯茨交叉边缘检测(Roberts Cross operator

卷积因子如下:

灰度公式为:

近似公式为:

具体计算如下:

G(x,y)=abs(f(x,y)-f(x+1,y+1))+abs(f(x,y+1)-f(x+1,y))

灰度方向 计算公式为:

Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘,定位精度高,对噪声敏感

shader 代码实现

Pass {  
	...	

	struct v2f {
		float4 pos : SV_POSITION;
		half2 uv[9] : TEXCOORD0;	// 对应周围(包括中心)像素纹理坐标
	};
	  
	v2f vert(appdata_img v) {
		v2f o;
		o.pos = UnityObjectToClipPos(v.vertex);
		
		half2 uv = v.texcoord;
		
		o.uv[0] = uv + _MainTex_TexelSize.xy * half2(-1, -1);
		o.uv[1] = uv + _MainTex_TexelSize.xy * half2(0, -1);
		o.uv[2] = uv + _MainTex_TexelSize.xy * half2(1, -1);
		o.uv[3] = uv + _MainTex_TexelSize.xy * half2(-1, 0);
		o.uv[4] = uv + _MainTex_TexelSize.xy * half2(0, 0);
		o.uv[5] = uv + _MainTex_TexelSize.xy * half2(1, 0);
		o.uv[6] = uv + _MainTex_TexelSize.xy * half2(-1, 1);
		o.uv[7] = uv + _MainTex_TexelSize.xy * half2(0, 1);
		o.uv[8] = uv + _MainTex_TexelSize.xy * half2(1, 1);
				 
		return o;
	}
	
	// 亮度
	fixed luminance(fixed4 color) {
		return  0.2125 * color.r + 0.7154 * color.g + 0.0721 * color.b; 
	}
	
	// Sobel算子采样,计算当前像素的梯度值
	half Sobel(v2f i) {
		// 水平卷积核、竖直卷积核
		const half Gx[9] = {-1,  0,  1,
								-2,  0,  2,
								-1,  0,  1};
		const half Gy[9] = {-1, -2, -1,
								0,  0,  0,
								1,  2,  1};		
		
		half texColor;
		half edgeX = 0;		// 边缘值越大,越可能是边缘
		half edgeY = 0;
		for (int it = 0; it < 9; it++) {
			texColor = luminance(tex2D(_MainTex, i.uv[it]));
			edgeX += texColor * Gx[it];
			edgeY += texColor * Gy[it];
		}
		
		// XY越大,最后结果越小,越可能是边缘点
		half edge = 1 - abs(edgeX) - abs(edgeY);
		
		return edge;
	}
	
	fixed4 fragSobel(v2f i) : SV_Target {

		half edge = Sobel(i);
		
		fixed4 withEdgeColor = lerp(_EdgeColor, tex2D(_MainTex, i.uv[4]), edge);	// 混合边缘颜色和原图颜色,edge越小,越判定为边缘
		fixed4 onlyEdgeColor = lerp(_EdgeColor, _BackgroundColor, edge);			// 混合边缘颜色和背景颜色。
		return lerp(withEdgeColor, onlyEdgeColor, _EdgeOnly);						// 原图混合还是混合背景颜色的插值。
		}
	
	ENDCG
}

猜你喜欢

转载自blog.csdn.net/hjssss/article/details/88655838