5.2 基本边缘检测算子—Sobel

Sobel算子是应用广泛的离散微分算子之一，用于图像处理中的边缘检测，计算图像灰度的近似梯度。

基于图像卷积来实现在水平方向和垂直方向检测对应方向上的边缘。

对于源图像与奇数Sobel水平核Gx、垂直核Gy进行卷积可计算水平与垂直变换。

Sobel算子在进行边缘检测时候效率较高，对精度要求不是很高时候，是一种较为常用的边缘检测方法。

Sobel算子对沿着x轴和y轴的排列表示得很好，但是对于其他角度的表示却不够精确，这时候我们可以使用Scharr滤波器。

5.2.1 非极大值一直Sobel检测

步骤1/2/3/4

https://blog.csdn.net/gone_huilin/article/details/53223622

https://bbs.csdn.net/topics/370004267

5.2.2 图像直接卷积实现Sobel

5.2.3 图像卷积下非极大值抑制Sobel

非极大值抑制虽然能够较好剔除虚假边缘点，但对于某些特定场景下的边缘检测并不适用，例如污损文本字符识别。

5.2.4 Sobel库函数实现

/////////////////////////////////5.2.4 Sobel库函数实现//////////////////////////////
////////https://blog.csdn.net/gone_huilin/article/details/53223636
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include "opencv2/imgproc/imgproc.hpp"
#include <iostream>
using namespace cv;
int main()
{
    cv::Mat srcImage = imread("D:\楼房.jpg");
    if (!srcImage.data)
        return -1;
    cv::Mat srcGray;
    cvtColor(srcImage, srcGray, CV_RGB2GRAY);
    imshow("srcGray", srcGray);
    // 定义边缘图，水平及垂直
    cv::Mat edgeMat, edgeXMat, edgeYMat;
    // 求x方向Sobel边缘
    Sobel(srcGray, edgeXMat, CV_16S, 1, 0, 3, 1,
        0, BORDER_DEFAULT);
    // 求y方向Sobel边缘
    Sobel(srcGray, edgeYMat, CV_16S, 0, 1, 3, 1,
        0, BORDER_DEFAULT);
    // 线性变换转换输入数组元素成8位无符号整型
    convertScaleAbs(edgeXMat, edgeXMat);
    convertScaleAbs(edgeYMat, edgeYMat);
    // x与y方向边缘叠加
    addWeighted(edgeXMat, 0.5, edgeYMat, 0.5, 0, edgeMat);
    cv::imshow("edgeYMat", edgeYMat);
    imshow("edgeMat", edgeMat);
    // 定义Scharr边缘图像
    cv::Mat edgeMatS, edgeXMatS, edgeYMatS;
    // 计算x方向Scharr边缘
    Scharr(srcGray, edgeXMatS, CV_16S, 1, 0, 1,
        0, BORDER_DEFAULT);
    convertScaleAbs(edgeXMatS, edgeXMatS);
    // 计算y方向Scharr边缘
    Scharr(srcGray, edgeYMatS, CV_16S, 0, 1, 1,
        0, BORDER_DEFAULT);
    // 线性变换转换输入数组元素成8位无符号整型
    convertScaleAbs(edgeYMatS, edgeYMatS);
    // x与y方向边缘叠加
    addWeighted(edgeXMatS, 0.5, edgeYMatS, 0.5, 0, edgeMatS);
    cv::imshow("edgeMatS", edgeMatS);
    cv::waitKey(0);
    return 0;
}

5.3 基本边缘检测算子--Laplace

拉普拉斯算子是最简单的各向同性二阶微分算子，具有旋转不变形。

根据微分特性点，该像素点的二阶微分为零的点为边缘点。

图像中奇异点如亮点变得更亮，对于图像中灰度变化剧烈的区域，拉普拉斯算子能实现其边缘检测。其利用二次微分特性与峰值间过零点来确定边缘位置，对奇异点或边界点更加敏感，常应用于图像锐化（突出图像的细节或增强被模糊的图像细节，实现灰度反差增强，使图像变得清晰。积分运算或加权平均让图像变得模糊）工作。

///////////////////////////////////5.2.5 基本边缘检测算子--Laplace//////////////////////////////
//////https://blog.csdn.net/Chenyukuai6625/article/details/74784626
#include <opencv2/opencv.hpp>  
#include<opencv2/highgui/highgui.hpp>  
#include<opencv2/imgproc/imgproc.hpp>  

using namespace cv;

int main()
{
    //【0】变量的定义  
    Mat src, src_gray, dst, abs_dst;

    //【1】载入原始图    
    src = imread("D:\日光.jpg");

    //【2】显示原始图   
    imshow("【原始图】图像Laplace变换", src);

    //【3】使用高斯滤波消除噪声  
    GaussianBlur(src, src, Size(3, 3), 0, 0, BORDER_DEFAULT);

    //【4】转换为灰度图  
    cvtColor(src, src_gray, CV_RGB2GRAY);

    //【5】使用Laplace函数  
    Laplacian(src_gray, dst, CV_16S, 3, 1, 0, BORDER_DEFAULT);

    //【6】计算绝对值，并将结果转换成8位  
    convertScaleAbs(dst, abs_dst);

    //【7】显示效果图  
    imshow("【效果图】图像Laplace变换", abs_dst);

    waitKey(0);

    return 0;
}

5.4 基本边缘检测算子——Roberts

Roberts算子是利用局部差分寻找边缘的一种算子，是最简单的边缘检测算子。Roberts算子利用对角线方向相邻两像素之差近似梯度赋值来检测边缘，检测垂直边缘的效果要优于其他方向边缘，定位精度高，但对噪声抑制能力较弱。

https://blog.csdn.net/qq_20823641/article/details/52079628