一、Sobel演算法

1、演算法概述

? ?Sobel邊緣檢測演算法比較簡單，實際應用中效率比canny邊緣檢測效率要高，但是邊緣不如Canny檢測的準確，然而在很多實際應用的場合，sobel邊緣卻是首選，Sobel算子是高斯平滑與微分操作的結合體，所以其抗噪聲能力很強，用途較多，尤其是在對效率要求較高，而對細紋理不太關系的時候，
? ?使用Sobel算子提取影像邊緣分3個步驟：

1. 提取X方向的邊緣，X方向一階Sobel邊緣檢測演算法為：
   [ ? 1 0 1 ? 2 0 2 ? 1 0 1 ] (1) \left[ \begin{matrix} -1 & 0 & 1\\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{matrix} \right] \tag{1} ????1?2?1?000?121????(1)
2. 提取Y方向的邊緣，Y方向一階Sobel邊緣檢測演算法為：
   [ ? 1 ? 2 ? 1 0 0 0 1 2 1 ] (2) \left[ \begin{matrix} -1 & -2 & -1\\ 0 & 0 & 0 \\ 1 & 2 & 1 \end{matrix} \right] \tag{2} ????101??202??101????(2)
3. 綜合兩個方向的邊緣資訊得到整幅影像的邊緣，

2、主要函式

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

• src：傳入的影像
• ddepth：影像的深度
• dx、dy：指的是求導的階數，0表示這個方向上沒有求導，所填的數一般為0、1、2，
• ksize：是Sobel算子的大小，即卷積核的大小，必須為奇數1、3、5、7，如果ksize=-1，就演變成為3x3的Scharr算子，scale是縮放導數的比例常數，默認情況為沒有伸縮系數，
• borderType：是判斷影像邊界的模式，這個引數默認值為cv2.BORDER_DEFAULT，
• dst及dst之后的引數都是可選引數，

二、C++代碼

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

using namespace cv;
using namespace std;

int main()
{
	//----------------讀取影像-----------------
	Mat img = imread("1.jpg");
	//黑白影像邊緣檢測結果較為明顯
	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);

	//整幅影像的一階邊緣
	resultXY = resultX + resultY;

	//顯示影像
	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]]])
# 可選引數alpha是伸縮系數，beta是加到結果上的一個值，結果回傳uint型別的影像
Scale_absX = cv2.convertScaleAbs(x)  # convert 轉換  scale 縮放
Scale_absY = cv2.convertScaleAbs(y)
result = cv2.addWeighted(Scale_absX, 0.5, Scale_absY, 0.5, 0)
# ----------------------顯示結果----------------------------
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()

四、結果展示

1、灰度圖

2、X方向一階邊緣

2、Y方向一階邊緣

3、整幅影像的一階邊緣

五、相關鏈接

[1] python+OpenCV影像處理（八）邊緣檢測