• 操作系統：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 編程語言：C++11

算法描述

cv::gapi::Sobel 函數是 OpenCV 的 G-API 模塊中用于執行 Sobel 算子操作的一個函數，主要用于圖像的邊緣檢測。Sobel 算子通過計算圖像強度的梯度來工作，它使用一個內核在水平方向（dx）和垂直方向（dy）上進行卷積運算。

使用擴展的 Sobel 算子計算一階、二階、三階或混合圖像導數。
除了一個特殊情況外，在所有情況下，都會使用 ksize×ksize 可分離核來計算導數。當 ksize = 1 時，使用 3×1 或 1×3 核（即，不進行高斯平滑）。ksize = 1 僅可用于計算一階或二階 x- 或 y- 導數。
還有一個特殊的值 ksize = FILTER_SCHARR (-1)，對應于 3×3 Scharr 濾波器，它可能比 3×3 Sobel 濾波器提供更準確的結果。Scharr 孔徑為

$$\left[\begin{array}{ccc}?3& 0& 3\\ ?10& 0& 10\\ ?3& 0& 3\end{array}\right]$$

用于 x 導數，或者轉置后用于 y 導數。

該函數通過將圖像與適當的核卷積來計算圖像導數：

$$\text{dst}=\frac{{?}^{xorder+yorder}\text{src}}{?x^{xorder}?y^{yorder}}$$

Sobel 算子結合了高斯平滑和微分，因此結果對噪聲具有某種程度的抵抗性。通常，該函數被調用為 ( xorder = 1, yorder = 0, ksize = 3) 或 ( xorder = 0, yorder = 1, ksize = 3)，以計算一階 x 或 y 圖像導數。第一種情況對應于以下核：

$${\text{Sobel}}_x=\left[\begin{array}{ccc}?1& 0& 1\\ ?2& 0& 2\\ ?1& 0& 1\end{array}\right]$$

第二種情況對應于以下核：

$$\left[\begin{array}{ccc}?1& ?2& ?1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]$$

函數原型

GMat cv::gapi::Sobel
(const GMat &  	src,int  	ddepth,int  	dx,int  	dy,int  	ksize = 3,double  	scale = 1,double  	delta = 0,int  	borderType = BORDER_DEFAULT,const Scalar &  	borderValue = Scalar(0) 
) 		

注意：
如果硬件支持，則會進行向最近偶數的舍入；如果不支持，則舍入到最近。
函數文本ID是 “org.opencv.imgproc.filters.sobel”

參數

• 參數 src: 輸入圖像。
• 參數 ddepth: 輸出圖像深度，參見組合；對于8位輸入圖像，導數可能會被截斷。
• 參數 dx: x方向導數的階數。
• 參數 dy: y方向導數的階數。
• 參數 ksize: 擴展 Sobel 核的大小；必須為奇數。
• 參數 scale: 計算導數值的可選比例因子；默認情況下，不應用縮放（詳情參見 cv::getDerivKernels）。
• 參數 delta: 在存儲到 dst 前添加到結果中的可選增量值。
• 參數borderType: 像素外推方法，參見 cv::BorderTypes。
• 參數 borderValue: 在常量邊界類型的情況下的邊界值。

代碼示例

#include <opencv2/gapi/gkernel.hpp>
#include <opencv2/gapi/imgproc.hpp>
#include <opencv2/opencv.hpp>int main()
{// 讀取輸入圖像cv::Mat src = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png", cv::IMREAD_GRAYSCALE );if ( src.empty() ){std::cerr << "無法讀取圖像" << std::endl;return -1;}// 定義G-API網絡cv::GMat in;auto sobelx = cv::gapi::Sobel( in, CV_16S, 1, 0 );  // X方向上的Sobel濾波auto sobely = cv::gapi::Sobel( in, CV_16S, 0, 1 );  // Y方向上的Sobel濾波cv::GComputation comp( cv::GIn( in ), cv::GOut( sobelx, sobely ) );// 應用到源圖像并獲取結果cv::Mat sobelX, sobelY;comp.apply( cv::gin( src ), cv::gout( sobelX, sobelY ) );// 將結果轉換為 CV_8U 并進行歸一化以便顯示cv::Mat sobelXAbs, sobelYAbs;cv::convertScaleAbs( sobelX, sobelXAbs );  // 轉換為 CV_8U 并取絕對值cv::convertScaleAbs( sobelY, sobelYAbs );  // 轉換為 CV_8U 并取絕對值// 可選：進一步歸一化以增強對比度（如果需要）double sobelXMin, sobelXMax;double sobelYMin, sobelYMax;cv::minMaxLoc( sobelXAbs, &sobelXMin, &sobelXMax );cv::minMaxLoc( sobelYAbs, &sobelYMin, &sobelYMax );cv::Mat sobelXNorm, sobelYNorm;sobelXAbs.convertTo( sobelXNorm, CV_8U, 255.0 / ( sobelXMax - sobelXMin ), -sobelXMin * 255.0 / ( sobelXMax - sobelXMin ) );sobelYAbs.convertTo( sobelYNorm, CV_8U, 255.0 / ( sobelYMax - sobelYMin ), -sobelYMin * 255.0 / ( sobelYMax - sobelYMin ) );// 顯示結果cv::imshow( "Original Image", src );cv::imshow( "Sobel X", sobelXNorm );cv::imshow( "Sobel Y", sobelYNorm );cv::waitKey( 0 );return 0;
}

運行結果