边缘检测之Sobel检测算子

廉价感情. 提交于 2020-02-02 02:21:21

 在讨论边缘算子之前,首先给出一些术语的定义:

(1)边缘:灰度或结构等信息的突变处,边缘是一个区域的结束,也是另一个区域的开始,利用该特征可以分割图像。

(2)边缘点:图像中具有坐标[x,y],且处在强度显著变化的位置上的点。

(3)边缘段:对应于边缘点坐标[x,y]及其方位 ,边缘的方位可能是梯度角。

二、Sobel算子的基本原理

Sobel算子是一阶导数的边缘检测算子,在算法实现过程中,通过3×3模板作为核与图像中的每个像素点做卷积和运算,然后选取合适的阈值以提取边缘。

一个特殊卷积所实现的功能是由卷积核的形式决定的。这个核本质上是一个大小固定、由数值参数构成的数组,数组的参考点(anchor point)通常位于数组的中心。数组的大小成为核支撑。单就技术而言,核支撑实际上仅仅由核数组的非0部分组成。对图像的卷积,首先将核的参考点定位到图像的第一个像素点,核的其余元素覆盖图像中其相对应的局部像素点。对于每一个核点,我们可以得到这个点的核值以及图像中相应图像点的值,将这些值相乘并求和,并将这个结果放在与输入图像参考点所相对应的位置。通过在整个图像上扫描卷积核,对图像的每个点重复此操作。

索贝尔算子(Sobel operator)主要用作边缘检测,在技术上,它是一阶离散性差分算子,用来运算图像亮度函数的灰度值近似值。在图像的任何一点使用此算子,将会产生对应的灰度矢量或是其法矢量。

Sobel卷积因子为:

该算子包含两组3x3的矩阵,分别为横向及纵向,将之与图像作平面卷积,即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像,Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值,其公式如下:

具体计算如下:

Gx = (-1)*f(x-1, y-1) + 0*f(x,y-1) + 1*f(x+1,y-1)

      +(-2)*f(x-1,y) + 0*f(x,y)+2*f(x+1,y)

      +(-1)*f(x-1,y+1) + 0*f(x,y+1) + 1*f(x+1,y+1)

= [f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)]

 

Gy =1* f(x-1, y-1) + 2*f(x,y-1)+ 1*f(x+1,y-1)

      +0*f(x-1,y) 0*f(x,y) + 0*f(x+1,y)

      +(-1)*f(x-1,y+1) + (-2)*f(x,y+1) + (-1)*f(x+1, y+1)

= [f(x-1,y-1) + 2f(x,y-1) + f(x+1,y-1)]-[f(x-1, y+1) + 2*f(x,y+1)+f(x+1,y+1)]

 

其中f(a,b), 表示图像(a,b)点的灰度值;

图像的每一个像素的横向及纵向灰度值通过以下公式结合,来计算该点灰度的大小:

通常,为了提高效率 使用不开平方的近似值:

如果梯度G大于某一阀值 则认为该点(x,y)为边缘点。

然后可用以下公式计算梯度方向:

Sobel算子根据像素点上下、左右邻点灰度加权差,在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用,提供较为精确的边缘方向信息,边缘定位精度不够高。当对精度要求不是很高时,是一种较为常用的边缘检测方法。

Sobel算子算法的优点是计算简单,速度快。但是由于只采用了2个方向的模板,只能检测水平和垂直方向的边缘,因此这种算法对于纹理较为复杂的图像,其边缘检测效果就不是很理想。该算法认为:凡灰度新值大于或等于阈值的像素点时都是边缘点。这种判断欠合理,会造成边缘点的误判,因为许多噪声点的灰度值也很大

 1 #include <opencv2/opencv.hpp>
 2 
 3 int main(int argc, char **argv)
 4 {
 5     //定义显示窗口的名字
 6     const char *ptrSrcImageWindowTitle = "SrcImage";
 7     const char *ptrGrayImageWindowTitle = "GrayImage";
 8     const char *ptrDesImageWindowTitle = "DesImage";
 9     //载入图片并且分配图片所需内存
10     IplImage *pSrcImage = cvLoadImage("8.png", CV_LOAD_IMAGE_ANYCOLOR);
11     IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
12     IplImage *pSobelImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
13     //转成相应的灰度图像
14     cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);
15     //进行Sobel边缘检测,注意xorder和yorder的不同,边缘检测的方向不同
16     //注意各种角度的边缘检测,不过核要自己设计
17     cvSobel(pGrayImage, pSobelImage, 1, 0, 3);
18 
19     cvNamedWindow(ptrSrcImageWindowTitle, CV_WINDOW_AUTOSIZE);
20     cvNamedWindow(ptrGrayImageWindowTitle, CV_WINDOW_AUTOSIZE);
21     cvNamedWindow(ptrDesImageWindowTitle, CV_WINDOW_AUTOSIZE);
22 
23     cvShowImage(ptrSrcImageWindowTitle, pSrcImage);
24     cvShowImage(ptrGrayImageWindowTitle, pGrayImage);
25     cvShowImage(ptrDesImageWindowTitle, pSobelImage);
26 
27     cvWaitKey(0);
28     cvReleaseImage(&pSrcImage);
29     cvReleaseImage(&pGrayImage);
30     cvReleaseImage(&pSobelImage);
31 
32     cvDestroyWindow(ptrSrcImageWindowTitle);
33     cvDestroyWindow(ptrGrayImageWindowTitle);
34     cvDestroyWindow(ptrDesImageWindowTitle);
35     
36 }

 

附带知识:

普利维特算子(Prewitt operate) 

除sobel边缘检测外 还有Prewitt算子, 它的卷积因子如下:

其他计算 和sobel差不多;

Prewitt算子利用像素点上下、左右邻点灰度差,在边缘处达到极值检测边缘。对噪声具有平滑作用,定位精度不够高。

 

罗伯茨交叉边缘检测(Roberts Cross operator

卷积因子如下:

灰度公式为:

近似公式为:

具体计算如下:

G(x,y)=abs(f(x,y)-f(x+1,y+1))+abs(f(x,y+1)-f(x+1,y))

 

灰度方向 计算公式为:

Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘,定位精度高,对噪声敏感。

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!