OpenCV 图形API(39)图像滤波----同时计算图像在 X 和 Y 方向上的一阶导数函数SobelXY()

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

cv::gapi::SobelXY 函数是 OpenCV 的 G-API 模块中用于同时计算图像在 X 和 Y 方向上的一阶导数(即 Sobel 边缘检测)的一个便捷函数。此函数返回一个包含两个 GMat 的 std::tuple,分别代表 X 方向和 Y 方向的导数结果。

使用扩展的 Sobel 算子计算一阶、二阶、三阶或混合图像导数。

在所有情况下(除了一个),使用 ksize×ksize 可分离核来计算导数。当 ksize = 1 时,使用 3×1 或 1×3 核(即,不进行高斯平滑)。ksize = 1 仅可用于计算一阶或二阶 x- 或 y- 导数。

还有一个特殊的值 ksize = FILTER_SCHARR (-1),对应于 3×3 Scharr 滤波器,它可能比 3×3 Sobel 滤波器提供更准确的结果。Scharr 孔径为

− 3 0 3 − 10 0 10 − 3 0 3 \] \\begin{bmatrix} -3 \& 0 \& 3 \\\\ -10 \& 0 \& 10 \\\\ -3 \& 0 \& 3 \\end{bmatrix} −3−10−30003103 用于 x 导数,或者转置后用于 y 导数。 该函数通过将图像与适当的核卷积来计算图像导数: dst = ∂ x o r d e r + y o r d e r src ∂ x x o r d e r ∂ y y o r d e r \\texttt{dst} = \\frac{\\partial\^{xorder+yorder} \\texttt{src}}{\\partial x\^{xorder} \\partial y\^{yorder}} dst=∂xxorder∂yyorder∂xorder+yordersrc Sobel 算子结合了高斯平滑和微分,因此结果对噪声具有某种程度的抵抗性。通常,该函数被调用为 (xorder = 1, yorder = 0, ksize = 3) 或 (xorder = 0, yorder = 1, ksize = 3),以计算一阶 x 或 y 图像导数。第一种情况对应于以下核: \[ − 1 − 2 − 1 0 0 0 1 2 1 \] \\begin{bmatrix} -1 \& -2 \& -1 \\\\ 0 \& 0 \& 0 \\\\ 1 \& 2 \& 1 \\end{bmatrix} −101−202−101 第二种情况对应于以下核: \[ − 1 0 1 − 2 0 2 − 1 0 1 \] \\begin{bmatrix} -1 \& 0 \& 1 \\\\ -2 \& 0 \& 2 \\\\ -1 \& 0 \& 1 \\end{bmatrix} −1−2−1000121 **注意:** 第一个返回的矩阵对应于 dx 导数,而第二个对应于 dy。 如果硬件支持,则会进行向最近偶数的舍入;如果不支持,则舍入到最近。 函数文本ID是 "org.opencv.imgproc.filters.sobelxy" ### 函数原型 ```cpp std::tuple cv::gapi::SobelXY ( const GMat & src, int ddepth, int order, int ksize = 3, double scale = 1, double delta = 0, int borderType = BORDER_DEFAULT, const Scalar & borderValue = Scalar(0) ) ``` ### 参数 * 参数 src: 输入图像。 * 参数 ddepth: 输出图像深度,参见组合;对于8位输入图像,导数可能会被截断。 * 参数 order: 导数的阶数。 * 参数 ksize: 扩展 Sobel 核的大小;必须为奇数。 * 参数 scale: 计算导数值的可选比例因子;默认情况下,不应用缩放(详情参见 cv::getDerivKernels)。 * 参数 delta: 在存储到 dst 前添加到结果中的可选增量值。 * 参数 borderType: 像素外推方法,参见 cv::BorderTypes。 * 参数 borderValue: 在常量边界类型的情况下的边界值。 ### 代码示例 ```cpp #include #include #include int main() { // 读取输入图像 cv::Mat src = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", cv::IMREAD_GRAYSCALE ); if ( src.empty() ) { std::cerr << "无法读取图像" << std::endl; return -1; } // 定义G-API网络 cv::GMat in; auto sobelXY = cv::gapi::SobelXY( in, CV_16S, 1 ); // 计算X和Y方向的一阶导数 cv::GComputation comp( cv::GIn( in ), cv::GOut( std::get< 0 >( sobelXY ), std::get< 1 >( sobelXY ) ) ); // 应用到源图像并获取结果 cv::Mat sobelX, sobelY; comp.apply( cv::gin( src ), cv::gout( sobelX, sobelY ) ); // 将结果转换为 CV_8U 并进行归一化以便显示 cv::Mat sobelXAbs, sobelYAbs; cv::convertScaleAbs( sobelX, sobelXAbs ); // 转换为 CV_8U 并取绝对值 cv::convertScaleAbs( sobelY, sobelYAbs ); // 转换为 CV_8U 并取绝对值 // 显示结果 cv::imshow( "Original Image", src ); cv::imshow( "Sobel X", sobelXAbs ); cv::imshow( "Sobel Y", sobelYAbs ); cv::waitKey( 0 ); return 0; } ``` ### 运行结果 ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/58b7f71e9e994a42965e47989ebeeb8e.png)

相关推荐
飞睿科技5 分钟前
乐鑫代理商飞睿科技,2025年AI智能语音助手市场发展趋势与乐鑫芯片解决方案分析
人工智能
许泽宇的技术分享7 分钟前
从新闻到知识图谱:用大模型和知识工程“八步成诗”打造科技并购大脑
人工智能·科技·知识图谱
坤坤爱学习2.021 分钟前
求医十年,病因不明,ChatGPT:你看起来有基因突变
人工智能·ai·chatgpt·程序员·大模型·ai编程·大模型学
蹦蹦跳跳真可爱5891 小时前
Python----循环神经网络(Transformer ----注意力机制)
人工智能·深度学习·nlp·transformer·循环神经网络
空中湖3 小时前
tensorflow武林志第二卷第九章:玄功九转
人工智能·python·tensorflow
lishaoan773 小时前
使用tensorflow的线性回归的例子(七)
人工智能·tensorflow·线性回归
千宇宙航6 小时前
闲庭信步使用SV搭建图像测试平台:第三十一课——基于神经网络的手写数字识别
图像处理·人工智能·深度学习·神经网络·计算机视觉·fpga开发
onceco7 小时前
领域LLM九讲——第5讲 为什么选择OpenManus而不是QwenAgent(附LLM免费api邀请码)
人工智能·python·深度学习·语言模型·自然语言处理·自动化
whoarethenext9 小时前
使用 C++/OpenCV 和 MFCC 构建双重认证智能门禁系统
开发语言·c++·opencv·mfcc
jndingxin9 小时前
OpenCV CUDA模块设备层-----高效地计算两个 uint 类型值的带权重平均值
人工智能·opencv·计算机视觉