由于项目里要用到边缘检测,所以今天研究了一下最简单的梯度的方法。
首先,我们来开一下计算机是如何检测边缘的。以灰度图像为例,它的理论基础是这样的,如果出现一个边缘,那么图像的灰度就会有一定的变化,为了方便假设由黑渐变为白代表一个边界,那么对其灰度分析,在边缘的灰度函数就是一个一次函数y=kx,对其求一阶导数就是其斜率k,就是说边缘的一阶导数是一个常数,而由于非边缘的一阶导数为零,这样通过求一阶导数就能初步判断图像的边缘了。通常是X方向和Y方向的导数,也就是梯度。理论上计算机就是通过这种方式来获得图像的边缘。
但是,具体应用到图像中你会发现这个导数是求不了的,因为没一个准确的函数让你去求导,而且计算机在求解析解要比求数值解麻烦得多,所以就想到了一种替代的方式来求导数。就是用一个3×3的窗口来对图像进行近似求导。拿对X方向求导为例,某一点的导数为第三列的元素之和减去第一列元素之和,这样就求得了某一点的近似导数。其实也很好理解为什么它就近似代表导数,导数就代表一个变化率,从第一列变为第三列,灰度值相减,当然就是一个变化率了。这就是所谓的Prewitt算子。这样近似X方向导数就求出来了。Y方向导数与X方向导数求法相似,只不过是用第三行元素之和减去第一行元素之和。X方向和Y方向导数有了,那么梯度也就出来了。这样就可以找出一幅图中的边缘了。
还有一个问题,由于求的是3×3中心点的导数,所以给第二列加了一个权重,它的权重为2,第一列和第三列的权重为1,好了,这就是Sobel算子了。相比Prewitt算子,Sobel的抗噪能力更强。如图所示:
这样,中心点的Y方向导数就求出来了。
举个例子吧。
X点以Sobel方式求导数ΔX=1×50+2×30+1×50-(1×50+2×30+1×50)=0。这样可以看出这个点不是边界。
好了,了解了基本理论之后,我们看看OpenCv下的Sobel函数吧,void cvSobel( const CvArr* src, CvArr* dst, int xorder, int yorder, int aperture_size=3 );src:输入图像;dst:输出图像;xorder:x 方向上的差分阶数;yorder:y 方向上的差分阶数;aperture_size 扩展 Sobel 核的大小(既窗口阶数),必须是 1(注意这是一个3×1或1×3向量而不是一个方阵), 3, 5 或 7。
下面编写一个Sobel边缘检测的程序吧,平台是VS08,建立Win32控制台赢咖4平台。
- #include <cv.h>
- #include <highgui.h>
- void main()
- {
- IplImage *frame,*gray,*sobel;
- frame=cvLoadImage("lena.jpg");//加载图像
- gray=cvCreateImage(cvGetSize(frame),frame->depth,1);//分配图像空间
- sobel=cvCreateImage(cvGetSize(frame),frame->depth,1);
- cvNamedWindow("frame");
- cvNamedWindow("gray");
- cvNamedWindow("sobel");
- cvCvtColor(frame,gray,CV_BGR2GRAY);//转为灰度
- cvSobel(gray,sobel,1,0,3);
- cvShowImage("frame",frame);//显示图像
- cvShowImage("gray",gray);
- cvShowImage("sobel",sobel);
- cvWaitKey(0);//等待
- cvReleaseImage(&frame);//释放空间(对视频处理很重要,不释放会造成内存泄露)
- cvReleaseImage(&gray);
- cvReleaseImage(&sobel);
- cvDestroyWindow("frame");
- cvDestroyWindow("gray");
- cvDestroyWindow("sobel");
- }
除特别注明外,本站所有文章均为 赢咖4注册 原创,转载请注明出处来自Sobel算子及cvSobel