OpenCV用定向滤波器检测边缘

OpenCV用定向滤波器检测边缘，低通滤波器介绍了用核心矩阵进行线性滤波的概念。这些滤波器通过移除或减弱高频成分，取得模糊图像的效果。本文将执行一种反向的变换，即放大图像中的高频成分，再用本文介绍的高通滤波器进行边缘检测。

如何实现

我们将要使用的滤波器称为Sobel 滤波器。因为它只对垂直或水平方向的图像频率起作用（具体方向取决于滤波器选用的内核），所以被认为是一种定向滤波器。OpenCV中有一个函数可在图像上应用Sobel算子。水平方向滤波器的调用方法为：

          cv::Sobel(image,      // 输入
                    sobelX,     // 输出
                    CV_8U,      // 图像类型
                    1, 0,        // 内核规格
                    3,           // 正方形内核的尺寸
                    0.4, 128); // 比例和偏移量

垂直方向滤波的调用方法为（与水平方向滤波器非常类似）：

          cv::Sobel(image,      // 输入
                    sobelY,     // 输出
                    CV_8U,      // 图像类型
                    0, 1,        // 内核规格
                    3,           // 正方形内核的尺寸
                    0.4, 128); // 比例和偏移量

函数用到了几个整型参数，注意，选用这些参数是为了生成一个8位的输出图像（CV_8U）。

水平方向Sobel算子得到的结果如下所示。

Sobel算子的内核中既有正数又有负数，因此Sobel滤波器的计算结果通常是16位的有符号整数图像（CV_16S）。为了把结果显示为8位图像（上图），我们用数值0代表灰度128。负数表示更暗的像素，正数表示更亮的像素。垂直方向Sobel图像如下所示。

如果你熟悉照片编辑软件，就会知道这和图像浮雕化特效很像。实际上，这种特效通常就是用定向滤波器生成的。

你可以组合这两个结果（垂直和水平方向），得到Sobel滤波器的范数：

// 计算Sobel滤波器的范数
cv::Sobel(image, sobelX, CV_16S,1,0);
cv::Sobel(image, sobelY, CV_16S,0,1);
cv::Mat sobel;
// 计算L1 范数
sobel= abs(sobelX)+abs(sobelY);

在convertTo方法中使用可选的缩放参数可得到一幅图像，图像中的白色用0表示，更黑的灰色阴影用大于0的值表示。这幅图像可以很方便地显示Sobel算子的范数，代码如下所示：

// 找到Sobel最大值
double sobmin, sobmax;
cv::minMaxLoc(sobel, &sobmin, &sobmax);
// 转换成8位图像
// sobelImage = -alpha*sobel + 255
cv::Mat sobelImage;
sobel.convertTo(sobelImage, CV_8U, -255./sobmax,255);

得到的结果如下所示。

从上图可以看出把Sobel算子称作边缘检测器的原因。接着，你可以对这幅图像阈值化，得到图像轮廓的二值分布图。代码片段和生成的图像如下所示：

cv::threshold(sobelImage, sobelThresholded,
              threshold, 255, cv::THRESH_BINARY);

酷客网相关文章：

• OpenCV中值滤波器
• OpenCV滤波器进行缩减像素采样
• OpenCV低通滤波器
• OpenCV用MSER提取特征区域