有 关于sobel和canny的区别_sobel方面的知识，小编在此整里出来，给大家作为参考，下面就详细的介绍一下关于sobel和canny的区别_sobel的相关内容。

1、思想：

(相关资料图)

2、算子使用两个3*3的矩阵算子分别和原始图片作卷积，分别得到横向Gx和纵向格雷的梯度值，如果梯度值大于某一个阈值，则认为该点为边缘点；

3、矩阵转换：

4、事实上卷积矩阵也可以由两个一维矩阵卷积而成，在opencv源码中就是用两个一维矩阵卷积生成一个卷积矩阵：

5、梯度值：

6、图像的梯度低茄值由以下公式计算：

7、图像近似梯度值如下：

8、对于原始图像，P5的梯度值为：

9、OpenCV2410，sobel算子函数原型：

10、void Sobel(InputArray src，

11、输出数组夏令时，

12、中间深度，

13、int dx，

14、int dy，

15、int ksize=3，

16、双刻度=1,

17、双=0,

18、int borderType=BORDER_DEFAULT)

19、函数参数解释：

20、输入数组src:输入的原图像，Mat类型

21、输出数组夏令时：输出的边缘检测结果图像，Mat类型，大小与原图像相同。

22、中间深度：输出图像的深度，针对不同的输入图像，输出目标图像有不同的深度，具救吐速体组合如下：

23、-若src.depth()=CV_8U，取ddepth=-1/CV_16S/CV_32F/CV_64F

24、-若src.depth()=CV_16U/CV_16S，取ddepth=-1/CV_32F/CV_64F

25、-若src.depth()=CV_32F，取ddepth=-1/CV_32F/CV_64F

26、-若src.depth()=CV_64F，取ddepth=-1/CV_64F

27、注：ddepth=-1时，代表输出图像与输入图像相同的深度。冷敏

28、int dx:int类型dx，x方向上的差分阶数，1或0

29、int dy:int类型dy，y方向上的差分阶数，1或0

30、其中，dx=1，dy=0，表示计算X方向的导数，检测出的是垂直方向上的边缘；

31、dx=0，dy=1，表示计算Y方向的导数，检测出的是水平方向上的边缘。

32、int ksize:为进行边缘检测时的模板大小为ksize*ksize，取值为1、3、5和7,其中默认值为3。特殊情况：ksize=1时，采用的模板为3*1或1*3。

33、当ksize=3时索贝尔内核可能产生比较明显的误差；

34、双刻度：默认1。

35、双德尔塔：默认0。

36、int borderType:默认值为边框_默认。

37、索贝尔调用格式：

38、sobel算法代码实现过程为：

39、//求X方向梯度

40、Sobel( src_gray，grad_x，ddepth，1，0，3，scale，delta，BORDER _ DEFAULT)；

41、//求Y方向梯度

42、Sobel( src_gray，grad_y，ddepth，0，1，3，scale，delta，BORDER _ DEFAULT)；

43、convertScaleAbs( grad_x，ABS _ grad _ x)；

44、convertScaleAbs( grad_y，ABS _ grad _ y)；

45、addWeighted( dst_x，0.5，dst_y，0.5，0，dst)；//一种近似的估计

46、索贝尔算子实现：

47、#包含opencv2\opencv.hpp

48、使用命名空间标准

49、使用名称空间cv；

50、int main( int argc，char** argv)

51、{

52、Mat in_img=imread("raw.jpg "，0)；

53、如果(!in_img.data)

54、{

55、return-1；

56、}

57、Mat out _ img _ dx=Mat:zeros(in _ img。size()、CV _ 16sc 1)；

58、Mat out _ img _ dy=Mat:zeros(in _ img。size()、CV _ 16sc 1)；

59、Mat out _ img _ dxy=Mat:zeros(in _ img。size()、CV _ 16sc 1)；

60、GaussianBlur(in_img，in_img，Size(3，3)，0)；

61、无符号char * p _ data=(无符号char *)in _ img。数据；

62、无符号char* p_data_dx=(无符号char *)out _ img _ dx。数据；

63、无符号char * p _ data _ dy=(无符号char *)out _ img _ dy。数据；

64、int step=in _ img.step

65、for(int I=1；iin _ img。第1行；我)

66、{

67、for(int j=1；Jin _ img。cols-1；j)

68、{

69、//通过指针遍历图像上每一个像素

70、p _ data _ dx[I * out _ img _ dx。步骤j *(out _ img _ dx。step/in _ img。step)]=ABS(p _ data[(I-1)* in _ img。step j 1]2 * p _ data[I * in _ img。step j 1]p _ data[(I 1)* in _ img。步骤j 1]

71、-p _ data[(I-1)* in _ img。步骤j-1]-2 * p _ data[I * in _ img。步骤j-1]-p _ data[(I 1)* in _ img。步骤j-1])；

72、p _ data _ dy[I * out _ img _ dy。步骤j *(out _ img _ dy。step/in _ img。step)]=ABS(p _ data[I * in _ img。步骤j-1]2 * p _ data[I * in _ img。步骤j]p _ data[I * in _ img。步骤j 1]

73、-p _ data[(I 1)* in _ img。步骤j-1]-2 * p _ data[(I 1)* in _ img。step j]-p _ data[(I 1)* in _ img。步骤j 1])；

74、}

75、}

76、addWeighted(out_img_dx，0.5，out_img_dy，0.5，0，out _ img _ dxy)；

77、Mat img_dx，img_dy，img _ dxy

78、convertScaleAbs(out_img_dx，img _ dx)；

79、convertScaleAbs(out_img_dy，img _ dy)；

80、convertScaleAbs(out_img_dxy，img _ dxy)；

81、imshow("raw img "，in _ img)；

82、imshow("x方向，img _ dx)；

83、imshow("y方向，img _ dy)；

84、imshow("xy方向，img _ dxy)；

85、matsobel _ img；

86、索贝尔(in_img，sobel_img，CV_8UC1，1，1，3)；

87、imshow("opencvsobel "，sobel _ img)；

88、等待键(0)；

89、返回0;

90、}

91、OpenCV内源码：

92、静态void getSobelKernels(output array _ kx，OutputArray _ky，int dx，int dy，int _ksize，bool normalize，int ktype)

93、{

94、int i，j，ksizeX=_ksize，ksizeY=_ ksize

95、if( ksizeX==1 dx 0)

96、ksizeX=3；

97、if( ksizeY==1 dy 0)

98、ksizeY=3；

99、CV _ Assert(ktype==CV _ 32F | | ktype==CV _ 64F)；

100、_kx.create(ksizeX，1，ktype，-1，true)；

101、_ky.create(ksizeY，1，ktype，-1，true)；

102、mat kx=_ kx。getmat()；

103、mat ky=_ ky。getmat()；

104、if( _ksize % 2==0 || _ksize 31)

105、CV_Error( CV_StsOutOfRange，"内核大小必须是奇数且不大于31 ");

106、STD:vector int kerI(STD:max(ksizeX，ksizeY)1)；

107、CV _ Assert(dx=0 dy=0 dx dy 0)；

108、for(int k=0；k2；k)

109、{

110、Mat* kernel=k==0？kx:ky；

111、int order=k==0？dx:dy；

112、int ksize=k==0？ksizeX:ksizeY；

113、CV _ Assert(ksize order)；

114、如果(ksize==1)

115、kerI[0]=1；

116、else if( ksize==3)

117、{

118、if( order==0)

119、kerI[0]=1，kerI[1]=2，kerI[2]=1；

120、else if( order==1)

121、kerI[0]=-1，kerI[1]=0，kerI[2]=1；

122、其他

123、kerI[0]=1，kerI[1]=-2，kerI[2]=1；

124、}

125、其他

126、{

127、int oldval，newval

128、kerI[0]=1；

129、for(I=0；我ksize我)

130、kerI[I 1]=0；

131、for(I=0；I ksize-order-1；我)

132、{

133、旧val=kerI[0]；

134、for(j=1；j=ksizej)

135、{

136、new val=kerI[j]kerI[j-1]；

137、kerI[j-1]=老瓦尔；

138、旧瓦尔=新瓦尔

139、}

140、}

141、for(I=0；我点菜；我)

142、{

143、旧val=-kerI[0]；

144、for(j=1；j=ksizej)

145、{

146、new val=kerI[j-1]-kerI[j]；

147、kerI[j-1]=老瓦尔；

148、旧瓦尔=新瓦尔

149、}

150、}

151、}

152、Mat temp(kernel-rows，kernel-cols，CV_32S，kerI[0])；

153、双倍尺度=!正常化？1. 1./(1(ksize-order-1))；

154、temp.convertTo(*kernel，ktype，scale)；

155、}

156、}

本文到此结束，希望对大家有所帮助。