汇总之前： 这一节还有一个scharr滤波器（也是算子）没有介绍，先介绍一下。。。
1 计算图像差分：Scharr()函数
使用Scharr滤波器运算符计算x或y方向的图像差分，包含的参数与Sobel算子基本一样，除了没有ksize核的大小
void Scharr( IntputArray src, //源图 OUtputArray dst, //目标图 int ddepth, //图像深度 int dx, //x方向上的差分阶数 int dy, //y方向上的差分阶数 double scale=1,//缩放因子 double delta=0,//delta值 intborderType=BORDER_DEFAULT//边界模式 );
第一个参数：输入图像，填Mat类型即可
第二个参数：目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型
第三个参数：输出图像的深度，支持如下组合：
若src.depth()=CV_8U，取ddepth=-1/CV_16S/CV_32F/CV_64F
若src.depth()=CV_16U/CV_16S，取ddepth=-1/CV_32F/CV_64F
若src.depth()=CV_32F，取ddepth=-1/CV_32F/CV_64F
若src.depth()=CV_64F，取ddepth=-1/CV_64F
第四个参数：x方向上的差分阶数
第五个参数：y方向上的差分阶数
第六个参数：double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。
第七个参数：double类型的delta，表示存入目标图
第八个参数：边界模式。有默认值：BORDER_DEFAULT
5.2 示例程序
#include<opencv2/opencv.hpp> #include<opencv2/imgproc/imgproc.hpp> #include<opencv2/highgui/highgui.hpp> #include<iostream> using namespace std; using namespace cv; int main() { Mat grad_x, grad_y; Mat abs_grad_x, abs_grad_y, dst; Mat src = imread("E:\\Pec\\fushiyuan.jpg"); imshow("【原始图】", src); //求x方向上的梯度 Scharr(src, grad_x, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT); convertScaleAbs(grad_x, abs_grad_x); imshow("【x方向的效果图】", abs_grad_x); //求y方向上的梯度 Scharr(src, grad_y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT); convertScaleAbs(grad_y, abs_grad_y); imshow("【y方向的效果图】", abs_grad_y); //合并梯度 addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dst); imshow("【合并梯度效果图】", dst); waitKey(0); return 0; }
边缘检测汇总示例
#include<opencv2/opencv.hpp> #include<opencv2/imgproc/imgproc.hpp> #include<opencv2/highgui/highgui.hpp> #include<iostream> using namespace std; using namespace cv; //================================ // 全局变量声明 //=============================== Mat g_srcImage, g_srcGrayImage, g_dstImage; //Canny边缘检测相关变量 Mat g_cannyDetectedEdges; int g_cannyLowThreshold = 1;//TackBar位置参数 //Sobel边缘检测相关变量 Mat g_sobelGradient_X, g_sobelGradient_Y; Mat g_sobelAbsGradient_X, g_sobelAbsGradient_Y; int g_sobelKernelSize = 1;//TrackBar位置参数 //Scharr滤波器相关变量 Mat g_scharrGradient_X, g_scharrGradient_Y; Mat g_scharrAbsGradient_X, g_scharrAbsGradient_Y; //================================ // 全局函数声明 //=============================== static void on_Canny(int, void *);//Canny边缘检测窗口滚动条的回调函数 static void on_Sobel(int, void *); void Scharr();//封装了scharr边缘检测相关代码函数 int main() { //载入源图 g_srcImage = imread("E:\\Pec\\钢铁侠.jpg"); if (!g_srcImage.data) { printf("读取图片错误"); return false; } namedWindow("【原始图】"); imshow("【原始图】", g_srcImage); //创建与src同类型核大小的矩阵（dst) g_dstImage.create(g_srcImage.size(), g_srcImage.type()); //将原始图像转化为灰度图 cvtColor(g_srcImage,g_srcGrayImage, COLOR_BGR2GRAY); //创建显示窗口 namedWindow("【Canny效果图】", WINDOW_AUTOSIZE); namedWindow("【Sobel效果图】", WINDOW_AUTOSIZE); //创建trackbar createTrackbar("参数值：", "【Canny效果图】", &g_cannyLowThreshold, 120, on_Canny); createTrackbar("参数值：", "【Sobel效果图】", &g_sobelKernelSize, 3, on_Sobel); //调用回调函数 on_Canny(0, 0); on_Sobel(0, 0); //调用封装了Scharr边缘检测代码的函数 Scharr(); waitKey(0); } //================================ // Canny边缘检测窗口滚动条的回调函数 //=============================== void on_Canny(int, void*) { //先使用3x3内核来降噪 blur(g_srcGrayImage, g_cannyDetectedEdges, Size(3, 3)); //运行Cannny算子 Canny(g_cannyDetectedEdges, g_cannyDetectedEdges, g_cannyLowThreshold, g_cannyLowThreshold * 3, 3); //先将g_dstImage内的所有元素设置为0 g_dstImage = Scalar::all(0); //使用Canny算子输出的边缘图g_cannyDetectedEdges作为掩码，来将源图拷贝到目标图 g_srcImage.copyTo(g_dstImage, g_cannyDetectedEdges); //显示效果图 imshow("【Canny效果图】", g_dstImage); } //================================ // Sobel边缘检测窗口滚动条的回调函数 //=============================== void on_Sobel(int, void*) { //求X方向梯度 Sobel(g_srcImage, g_sobelGradient_X, CV_16S, 1, 0, (2 * g_sobelKernelSize + 1), 1, 1, BORDER_DEFAULT); convertScaleAbs(g_sobelGradient_X, g_sobelAbsGradient_X); //求Y方向梯度 Sobel(g_srcImage, g_sobelGradient_Y, CV_16S, 0, 1, (2 * g_sobelKernelSize + 1), 1, 1, BORDER_DEFAULT); convertScaleAbs(g_sobelGradient_Y, g_sobelAbsGradient_Y); //合并梯度 addWeighted(g_sobelAbsGradient_X, 0.5, g_sobelAbsGradient_Y, 0.5, 0, g_dstImage); imshow("【Sobel效果图】", g_dstImage); } //================================ // 封装Scharr边缘检测 //=============================== void Scharr() { Scharr(g_srcImage, g_scharrGradient_X, CV_16S, 1, 0, 1, 0, BORDER_DEFAULT); convertScaleAbs(g_scharrGradient_X, g_scharrAbsGradient_X); Scharr(g_srcImage, g_scharrGradient_Y, CV_16S, 0, 1, 1, 0, BORDER_DEFAULT); convertScaleAbs(g_scharrGradient_Y, g_scharrAbsGradient_Y); addWeighted(g_scharrAbsGradient_X, 0.5, g_scharrAbsGradient_Y, 0.5, 0, g_dstImage); imshow("【Scharr效果图】", g_dstImage); }
效果图展示：
