opencv学习笔记（二十一） Sobel算子边缘检测

最新推荐文章于 2025-05-17 11:28:22 发布

大流士一世

最新推荐文章于 2025-05-17 11:28:22 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏： opencv

本文链接：https://blog.youkuaiyun.com/u014751607/article/details/54287316

本文介绍了OpenCV中的Sobel算子用于边缘检测的原理和应用。Sobel算子是一种高通滤波器，用于保留图像的高频分量，即边缘信息。通过cvSobel()函数进行操作，参数包括输入图像、输出图像、x和y方向的差分阶数以及滤波器大小。在使用Sobel算子时，需要注意图像深度的选择以防止溢出。此外，文章还提及了Scharr滤波器作为Sobel算子的改进，提供更精确的结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

边缘检测

注意，边缘检测对噪声比较敏感，需要先用高斯滤波器对图像进行平滑。
Sobel变换和拉普拉斯变换都是高通滤波器。什么是高通滤波器呢？就是保留图像的高频分量（变化剧烈的部分），抑制图像的低频分量（变化缓慢的部分）。而图像变化剧烈的部分，往往反应的就是图像的边沿信息了。

Sobel算子

一个最重要并且最基本的卷积是导数的计算(或者是其近似值)，有许多方法可以做到，但是只有少数方法适合于给定情况。
Sobel算子用于边缘检测
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。

cvSobel()

定义：
void cvSobel（
const CvArr* src,
CvArr* dst,
int xorder,
int yorder,
int aperture_size = 3
);
参数：
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
Sobel 核的大小，必须是 1, 3, 5 或 7。

这里，src和dst分别是输入图像和输出图像，xorder和yorder是求导的阶数。通常只可能用到0，1，最多2。值为0表明在这个方向上没有求导①（①无论是xorder还是yorder，都必须非0），
aperture_size参数是方形滤波器的宽(或高)并且应该是奇数。目前，
aperture_size支持1, 3, 5, 7。如果源图像src是8位的，为避免溢出，目标图