【android opencv学习笔记】Day 29: 滤波算法之Sobel 边缘检测

_李小白2026-05-31 14:47

滤波器与 Sobel 边缘检测

图像滤波与边缘检测是图像处理两大基础模块。

滤波用于去除图像噪声、平滑画面，其中中值滤波对块状/椒盐类白点噪声去除效果优异；Sobel 算子是经典一阶梯度边缘检测算法，可定向提取水平、垂直边缘。

图像滤波原理（均值/中值滤波）

1均值滤波（线性滤波）

原理

以当前像素为中心，取 k×k 邻域内所有像素做算术平均 ，用平均值替换中心像素值，属于线性空间滤波。

卷积核示例（5×5）：

K=1251111111111111111111111111 K=\frac{1}{25} \begin{bmatrix} 1 & 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 & 1 \\ 1 & 1 & 1 & 1 & 1 \end{bmatrix} K=251 1111111111111111111111111

  • 优点：实现简单、运算速度快，整体画面均匀平滑；
  • 缺点：对噪声仅做模糊处理，无法彻底消除块状白点噪声，同时严重模糊图像边缘。
适用场景

普通高斯噪声平滑、图像整体虚化，不适合椒盐噪声、块状白点去噪。

中值滤波（非线性滤波）

原理

取当前像素 k×k 邻域内所有像素，按灰度值排序 ，取序列中间值 作为新像素值。

椒盐噪声、块状白点在邻域中属于极大/极小值，排序后不会成为中值，因此可以直接剔除噪声，同时较好保留边缘。

关键要点（针对本次 2048×2048 大图）
  1. 滤波核必须为奇数（3/5/7/11 等）；
  2. 大图 + 块状噪声：小核（3/5）无法覆盖噪声范围，噪声无法去除；需使用 11 及以上大核；
  3. 相比均值滤波，边缘保留效果更优，是去除块状白点、椒盐噪声的首选方案。

两种滤波对比

滤波类型 线性/非线性 块状白点去噪 边缘保留 大图推荐核
均值滤波 线性 差（仅模糊） 差 51×51
中值滤波 非线性 优（彻底去除） 良好 11

Sobel 边缘检测原理

图像梯度基础

将图像看作二维亮度函数 I(x,y)I(x,y)I(x,y)，边缘本质是像素亮度突变 ，数学上对应函数梯度：

grad(I)=(∂I∂x,∂I∂y) grad(I) = \left( \frac{\partial I}{\partial x},\frac{\partial I}{\partial y} \right) grad(I)=(∂x∂I,∂y∂I)

  • ∂I∂x\dfrac{\partial I}{\partial x}∂x∂I：水平梯度，对应垂直边缘；
  • ∂I∂y\dfrac{\partial I}{\partial y}∂y∂I：垂直梯度，对应水平边缘。

Sobel 卷积核

Sobel 使用 3×3 卷积核近似求解一阶导数，中心权重设为2，增强中心像素影响力、抑制噪声：

  1. X 方向核（检测垂直边缘）
    Gx=−101−202−101 G_x= \begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix} Gx= −1−2−1000121
  2. Y 方向核（检测水平边缘）
    Gy=−1−2−1000121 G_y= \begin{bmatrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ 1 & 2 & 1 \end{bmatrix} Gy= −101−202−101

梯度融合

分别计算 Gx、GyG_x、G_yGx、Gy 后，合并得到完整边缘（采用 L1 范数，计算高效）：

G=∣Gx∣+∣Gy∣ G = |G_x| + |G_y| G=∣Gx∣+∣Gy∣

重要约束

  1. Sobel 必须输入灰度图，彩色图需先做色彩空间转换；
  2. 梯度存在正负值，输出深度必须设置为 CV_16S（16位有符号整型），避免负数截断丢失边缘；
  3. Sobel 对噪声敏感，边缘检测前建议先用高斯滤波预处理降噪。

OpenCV 核心 API 详解

均值滤波 blur

cpp 复制代码 
void blur(
    InputArray src,        // 输入图像（彩色/灰度均可）
    OutputArray dst,       // 输出图像
    Size ksize,            // 卷积核尺寸 (宽,高)
    Point anchor = Point(-1,-1) // 锚点，默认核中心
);
  • 大图建议：Size(51,51)，模糊效果肉眼可见。

中值滤波 medianBlur

cpp 复制代码 
void medianBlur(
    InputArray src,    // 输入图像
    OutputArray dst,   // 输出图像
    int ksize          // 核大小，必须为奇数
);
  • 针对 6×6 块状白点噪声 + 2048 大图：推荐 ksize=11。

Sobel 边缘检测

cpp 复制代码 
void Sobel(
    InputArray src,     // 输入灰度图
    OutputArray dst,    // 输出梯度图
    int ddepth,         // 图像深度，推荐 CV_16S
    int dx,             // x方向导数阶数 (1=开启,0=关闭)
    int dy,             // y方向导数阶数 (1=开启,0=关闭)
    int ksize = 3       // 卷积核大小
);
  • dx=1,dy=0：提取垂直边缘；
  • dx=0,dy=1：提取水平边缘。

辅助函数

  1. convertScaleAbs：将 16 位有符号梯度图取绝对值 + 转为 8 位灰度图，用于界面显示；
  2. addWeighted：加权融合两张图像，合并 X/Y 方向边缘；
  3. GaussianBlur：边缘检测前置降噪。

Android 完整工程源码

布局文件 activity_main.xml

使用滚动布局展示原图、滤波结果、边缘检测结果，适配 2048 大图预览：

xml 复制代码 
<?xml version="1.0" encoding="utf-8"?>
<ScrollView xmlns:android="http://schemas.android.com/apk/res/android"
    android:layout_width="match_parent"
    android:layout_height="match_parent">

    <LinearLayout
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:orientation="vertical"
        android:padding="8dp">

        <ImageView
            android:id="@+id/iv_origin"
            android:layout_width="match_parent"
            android:layout_height="200dp"
            android:scaleType="fitCenter"
            android:layout_marginBottom="4dp"/>

        <ImageView
            android:id="@+id/iv_median"
            android:layout_width="match_parent"
            android:layout_height="200dp"
            android:scaleType="fitCenter"
            android:layout_marginBottom="4dp"/>

        <ImageView
            android:id="@+id/iv_mean"
            android:layout_width="match_parent"
            android:layout_height="200dp"
            android:scaleType="fitCenter"
            android:layout_marginBottom="4dp"/>

        <ImageView
            android:id="@+id/iv_sobel_x"
            android:layout_width="match_parent"
            android:layout_height="200dp"
            android:scaleType="fitCenter"
            android:layout_marginBottom="4dp"/>

        <ImageView
            android:id="@+id/iv_sobel_y"
            android:layout_width="match_parent"
            android:layout_height="200dp"
            android:scaleType="fitCenter"
            android:layout_marginBottom="4dp"/>

        <ImageView
            android:id="@+id/iv_sobel_all"
            android:layout_width="match_parent"
            android:layout_height="200dp"
            android:scaleType="fitCenter"/>

    </LinearLayout>
</ScrollView>

上层 Kotlin 代码 MainActivity.kt

创建 2048×2048 位图，调用 JNI 完成图像生成与算法处理，最终展示所有结果：

kotlin 复制代码 
package com.example.opencvfilter

import android.graphics.Bitmap
import android.os.Bundle
import android.widget.ImageView
import androidx.appcompat.app.AppCompatActivity

class MainActivity : AppCompatActivity() {
    companion object {
        // 加载 OpenCV 原生库
        init {
            System.loadLibrary("native-lib")
        }
    }

    // JNI 方法声明
    private external fun generateAndProcessImage(
        outOrigin: Bitmap,
        outMedian: Bitmap,
        outMean: Bitmap,
        outSobelX: Bitmap,
        outSobelY: Bitmap,
        outSobelAll: Bitmap
    )

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)

        // 固定分辨率：2048 * 2048
        val imgWidth = 2048
        val imgHeight = 2048

        // 初始化所有输出位图
        val bmpOrigin = Bitmap.createBitmap(imgWidth, imgHeight, Bitmap.Config.ARGB_8888)
        val bmpMedian = Bitmap.createBitmap(imgWidth, imgHeight, Bitmap.Config.ARGB_8888)
        val bmpMean = Bitmap.createBitmap(imgWidth, imgHeight, Bitmap.Config.ARGB_8888)
        val bmpSobelX = Bitmap.createBitmap(imgWidth, imgHeight, Bitmap.Config.ARGB_8888)
        val bmpSobelY = Bitmap.createBitmap(imgWidth, imgHeight, Bitmap.Config.ARGB_8888)
        val bmpSobelAll = Bitmap.createBitmap(imgWidth, imgHeight, Bitmap.Config.ARGB_8888)

        // 调用原生方法：生成测试图 + 滤波 + 边缘检测
        generateAndProcessImage(bmpOrigin, bmpMedian, bmpMean, bmpSobelX, bmpSobelY, bmpSobelAll)

        // 绑定控件展示图像
        findViewById<ImageView>(R.id.iv_origin).setImageBitmap(bmpOrigin)
        findViewById<ImageView>(R.id.iv_median).setImageBitmap(bmpMedian)
        findViewById<ImageView>(R.id.iv_mean).setImageBitmap(bmpMean)
        findViewById<ImageView>(R.id.iv_sobel_x).setImageBitmap(bmpSobelX)
        findViewById<ImageView>(R.id.iv_sobel_y).setImageBitmap(bmpSobelY)
        findViewById<ImageView>(R.id.iv_sobel_all).setImageBitmap(bmpSobelAll)
    }
}

底层 C++ JNI 代码 native-lib.cpp

包含 Bitmap/Mat 互转、测试图生成、添加块状噪声、滤波、Sobel 边缘检测 全逻辑，逐行注释：

cpp 复制代码 
#include <jni.h>
#include <opencv2/opencv.hpp>
#include <android/bitmap.h>

using namespace cv;
using namespace std;

// ===================== 工具函数：Bitmap 转 OpenCV Mat =====================
Mat bitmapToMat(JNIEnv *env, jobject bitmap) {
    AndroidBitmapInfo info;
    void* pixels = nullptr;
    AndroidBitmap_getInfo(env, bitmap, &info);
    AndroidBitmap_lockPixels(env, bitmap, &pixels);

    // Android Bitmap 默认 RGBA 四通道
    Mat rgba(info.height, info.width, CV_8UC4, pixels);
    Mat bgr;
    cvtColor(rgba, bgr, COLOR_RGBA2BGR);
    AndroidBitmap_unlockPixels(env, bitmap);
    return bgr;
}

// ===================== 工具函数：Mat 转 Bitmap（兼容灰度/彩色图） =====================
void matToBitmap(JNIEnv *env, const Mat& srcMat, jobject dstBitmap) {
    AndroidBitmapInfo info;
    void* pixels = nullptr;
    AndroidBitmap_getInfo(env, dstBitmap, &info);
    AndroidBitmap_lockPixels(env, dstBitmap, &pixels);

    Mat rgba;
    if(srcMat.channels() == 1){
        // 灰度图转 RGBA
        cvtColor(srcMat, rgba, COLOR_GRAY2RGBA);
    }else{
        // BGR 彩色图转 RGBA
        cvtColor(srcMat, rgba, COLOR_BGR2RGBA);
    }
    memcpy(pixels, rgba.data, info.width * info.height * 4);
    AndroidBitmap_unlockPixels(env, dstBitmap);
}

// ===================== 1. 生成 2048*2048 基础测试图（带标准边缘） =====================
Mat createTestBaseImage(int width, int height)
{
    // 浅灰色背景
    Mat baseImg(height, width, CV_8UC3, Scalar(210, 210, 210));

    // 绘制矩形（突出垂直边缘，适配 Sobel X）
    rectangle(baseImg, Rect(400, 400, 800, 800), Scalar(60,60,60), 10);
    // 绘制水平直线（突出水平边缘，适配 Sobel Y）
    line(baseImg, Point(200, 1200), Point(1800, 1200), Scalar(40,40,40), 12);
    line(baseImg, Point(200, 1400), Point(1800, 1400), Scalar(40,40,40), 12);
    // 绘制圆形（综合边缘）
    circle(baseImg, Point(1500, 600), 200, Scalar(50,50,50), 10);

    return baseImg;
}

// ===================== 2. 添加 6*6 白色块状噪声（复现大尺寸白点噪声） =====================
void addBlockNoise(Mat& img, int noiseCount = 120, int blockSize = 6)
{
    RNG rng(getTickCount());
    int rows = img.rows;
    int cols = img.cols;

    for(int i = 0; i < noiseCount; i++)
    {
        // 随机噪点坐标，防止越界
        int x = rng.uniform(0, cols - blockSize);
        int y = rng.uniform(0, rows - blockSize);
        // 实心白色矩形 = 块状白点噪声
        rectangle(img, Rect(x, y, blockSize, blockSize), Scalar(255,255,255), -1);
    }
}

// ===================== 3. 核心图像处理：滤波 + Sobel 边缘检测 =====================
void processAll(const Mat& srcBgr,
                Mat& outMedian,    // 中值滤波结果
                Mat& outMean,      // 均值滤波结果
                Mat& outSobelX,    // Sobel X 垂直边缘
                Mat& outSobelY,    // Sobel Y 水平边缘
                Mat& outSobelTotal)// 融合后完整边缘
{
    // -------- 一、图像滤波（2048大图专用参数） --------
    // 中值滤波：核11，去除6*6块状白点噪声
    medianBlur(srcBgr, outMedian, 11);
    // 均值滤波：51*51大核，实现明显模糊对比
    blur(srcBgr, outMean, Size(51, 51));

    // -------- 二、Sobel 边缘检测 --------
    Mat srcGray;
    // 彩色图转灰度图（Sobel 必须输入灰度图）
    cvtColor(srcBgr, srcGray, COLOR_BGR2GRAY);
    // 前置高斯降噪，降低 Sobel 对噪声的敏感度
    GaussianBlur(srcGray, srcGray, Size(3,3), 0);

    Mat sobelX16, sobelY16;
    // X方向梯度：检测垂直边缘，输出16位有符号整型防溢出
    Sobel(srcGray, sobelX16, CV_16S, 1, 0, 3);
    // Y方向梯度：检测水平边缘
    Sobel(srcGray, sobelY16, CV_16S, 0, 1, 3);

    // 取绝对值并转为8位图像，用于界面显示
    convertScaleAbs(sobelX16, outSobelX);
    convertScaleAbs(sobelY16, outSobelY);

    // 加权融合两个方向边缘，得到完整轮廓
    addWeighted(outSobelX, 0.5, outSobelY, 0.5, 0, outSobelTotal);
}

// ===================== JNI 入口函数 =====================
extern "C"
JNIEXPORT void JNICALL
Java_com_example_opencvfilter_MainActivity_generateAndProcessImage
(JNIEnv *env, jobject thiz,
 jobject outOrigin,
 jobject outMedian,
 jobject outMean,
 jobject outSobelX,
 jobject outSobelY,
 jobject outSobelAll)
{
    // 固定图像尺寸 2048*2048
    const int IMG_W = 2048;
    const int IMG_H = 2048;

    // 1. 生成基础图像 + 添加块状白点噪声
    Mat originImg = createTestBaseImage(IMG_W, IMG_H);
    addBlockNoise(originImg, 120, 6);

    // 2. 执行滤波与边缘检测算法
    Mat matMedian, matMean, matSobelX, matSobelY, matSobelAll;
    processAll(originImg, matMedian, matMean, matSobelX, matSobelY, matSobelAll);

    // 3. 所有结果转为 Bitmap 输出到 Android 界面
    matToBitmap(env, originImg, outOrigin);
    matToBitmap(env, matMedian, outMedian);
    matToBitmap(env, matMean, outMean);
    matToBitmap(env, matSobelX, outSobelX);
    matToBitmap(env, matSobelY, outSobelY);
    matToBitmap(env, matSobelAll, outSobelAll);
}

效果分析与总结

运行效果

  1. 原始图像：浅灰背景、标准几何轮廓 + 大量 6×6 白色块状噪点；
  2. 中值滤波结果：块状白点完全消除，图像轮廓、边缘保留完好；
  3. 均值滤波结果：白点仅被模糊淡化，无法彻底去除，整体画面严重虚化；
  4. Sobel X：矩形左右垂直边缘高亮，水平线条响应微弱；
  5. Sobel Y：水平直线高亮，垂直边缘响应微弱；
  6. 融合边缘：图像所有轮廓完整提取，边缘清晰。

总结

  1. 大图滤波规则 ：2048×2048 高清图像需使用更大滤波核，小核肉眼无效果；块状白点噪声优先使用中值滤波；
  2. Sobel 强制约束 ：必须输入灰度图、输出深度设为 CV_16S，建议前置高斯降噪；
  3. 算法选型 ：
    • 去除块状/椒盐噪声 → 中值滤波；
    • 单纯画面平滑 → 均值/高斯滤波；
    • 定向提取边缘 → Sobel 算子。
相关推荐
Engineer邓祥浩1 小时前
宏观认知（3）：AI战略与社会影响——吴恩达《AI for Everyone》Week3学习笔记
人工智能·笔记·学习
千纸鹤の脉搏2 小时前
多线程的初步了解---进程与线程
java·开发语言·学习·线程
Dxy12393102162 小时前
Python 操作 MySQL 事务：从入门到避坑
android·python·mysql
啄缘之间3 小时前
8.【学习】工业级详细接口约束&覆盖率
开发语言·笔记·学习·uvm·sv
星夜夏空993 小时前
FreeRTOS学习(6)——任务创建
单片机·嵌入式硬件·学习
nashane3 小时前
HarmonyOS 6学习：保存图片预览空白？沙箱路径转URI的“视觉修复”术
学习·华为·harmonyos
IronMurphy3 小时前
AI Agent 学习day5 MCP 协议入门与实践
网络·人工智能·学习
li星野3 小时前
LLMLingua：用小型模型“剪枝”大语言模型提示词，让长文本不再昂贵
人工智能·python·学习·语言模型·剪枝
峥嵘life3 小时前
Android getprop 属性限制详解：User 版本属性获取问题分析
android·开发语言·python·学习
热门推荐
01GitHub 镜像站点02【AI】2026 年具身智能模型和世界模型总结03DeepSeek V4 + Claude Code thinking mode 400 错误修复方案04【踩坑记录 | 第一篇】微软商店无法使用时，如何手动安装 OpenAI Codex？附`.msix`文件系统错误解决方法05Codex 接入 DeepSeek API 完整配置文档06裂开！ChatGPT 居然开始要手机号验证，附详细解决方法07几个好用的ip纯净度检测网站08CC-Switch & Claude 基于 Linux 服务器安装使用指南09CC-Switch 全平台下载、安装与使用全指南（Windows/macOS/Linux）10API Key 登录 Codex 也能用插件了，还支持会话删除和导出