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
$$\left[\begin{array}{ccc}-3& 0& 3\\ -10& 0& 10\\ -3& 0& 3\end{array}\right]$$
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：
$$\text{dst}=\frac{{\partial }^{xorder+yorder}\text{src}}{\partial x^{xorder}\partial y^{yorder}}$$
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：
$$\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]$$
第二种情况对应于以下核：
$$\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$$
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

std::tuple<GMat, GMat> 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

#include <opencv2/gapi/gkernel.hpp>
#include <opencv2/gapi/imgproc.hpp>
#include <opencv2/opencv.hpp>

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