在 x 方向和 y 方向计算一次 1st Sobel 导数并将这两者结合起来（对于每个通道）

Question

我需要一些帮助来解决我现在遇到的这个问题。我有 3 张图像，它们只是不同之处相同，它们代表蓝色、绿色和红色。我需要将它们组合起来并得到彩色图像。我正在使用 opencv 和 c++，但现在我遇到了这个问题，我无法弄清楚。

需要： 进行边缘检测。

----更新---- 我写了一些新代码

  Sobel(img_r, x, CV_16S, 1, 0);
  Sobel(img_r, y, CV_16S, 0, 1);
  //Compute the L1 norm
  sobel_L1_norm = abs(x)+abs(y);
  //Find Sobel max value
  minMaxLoc(sobel_L1_norm, &min, &max);
  sobel_L1_norm.convertTo(sobel_image,  CV_32F, 255.0/(max - min), -min * 255.0/(max - min));
  threshold(sobel_image, edgeThreshold, min, 255, THRESH_BINARY);
  edgeThreshold.copyTo(img_r_edge);

我得到这个结果bad example

但应该是这样的。 correct one

----完整代码-----

Mat img_r = imread(input_path + "/01.png", CV_LOAD_IMAGE_GRAYSCALE);
Mat img_g = imread(input_path + "/02.png", CV_LOAD_IMAGE_GRAYSCALE);
Mat img_b = imread(input_path + "/03.png", CV_LOAD_IMAGE_GRAYSCALE);
// Edge Images
Mat img_r_edge = Mat::zeros(img_r.size(), CV_8UC1);
Mat img_g_edge = Mat::zeros(img_g.size(), CV_8UC1);
Mat img_b_edge = Mat::zeros(img_b.size(), CV_8UC1);

std::cout << "Step 1 - calculating edge images... ";
  // TODO: 1) Calculate the 1st Sobel derivative once in x and once in y direction and combine these two
  //          (for every channel).
  Mat x;
  Mat y;
  Mat abs_x;
  Mat abs_y;
  Mat sobel_L1_norm;
  Mat sobel_image;
  Mat edgeThreshold;
  double min, max; //Finding min and max Sobel valuye;


  //---------------------------------------------------

  Sobel(img_r, x, CV_16S, 1, 0);
  Sobel(img_r, y, CV_16S, 0, 1);
  //Compute the L1 norm
  sobel_L1_norm = abs(x)+abs(y);
  //Find Sobel max value
  minMaxLoc(sobel_L1_norm, &min, &max);
  sobel_L1_norm.convertTo(sobel_image,  CV_32F, 255.0/(max - min), -min * 255.0/(max - min));
  threshold(sobel_image, edgeThreshold, min, 255, THRESH_BINARY);
  edgeThreshold.copyTo(img_r_edge);

  //----------------------------------------------------


  //       2) Normalize every gradient image and convert the results to CV_8UC1.
  //       3) Threshold the retrieved (normalized) gradient images using the parameter "edgeThreshold".
  //       4) Save the results in the cv::Mats below.

  imwrite(out_r_edge_filename, sobel);
  imwrite(out_g_edge_filename, img_g_edge);
  imwrite(out_b_edge_filename, img_b_edge);

Answer 1

您正在将 sobel_image 设为阈值 min。

但是 min 将（几乎）总是 0，因为它是 sobel_L1_norm 图像的最小值。请注意，没有渐变的像素在 sobel_L1_norm.

中的值为 0

解决这个问题的方法是为阈值选择一个有意义的值。由于您将值标准化为 [0, 255] 范围内的值，因此您可以选择该范围内的值（大于 0）。

如果您使用 [0,1] 中的值进行标准化，请在此区间内选择一个值。

您可以使用 normalize(..., NORM_MINMAX) 而不是查找最大值和重新缩放。

还要注意 edgeThreshold 在调用 threshold 之后将是 CV_32F 类型的矩阵，因此它也将是 img_r_edge。要使用 imwrite 正确保存图像，请使用 [0,1] 范围内的 CV_32F 个图像，或 [0,255] 范围内的 CV_8U 个图像。因此，您需要在 [0,1] 范围内重新缩放 img_r_edge，或者将其转换为 CV_8U.

您在这里混合了很多 OpenCV 类型。使用 Mat_<Tp> 通常更容易准确地知道类型。

您始终可以使用 CV_32F 张图像，范围在 [0,1] 内。

将产生正确输出的代码，建议修改：

#include <opencv2/opencv.hpp>
#include <vector>
using namespace cv;
using namespace std;


int main()
{
    Mat3b img = imread(path_to_color_image");

    vector<Mat1b> planes;
    split(img, planes);

    Mat1b img_r = planes[2].clone();
    Mat1b img_g = planes[1].clone();
    Mat1b img_b = planes[0].clone();

    // Edge Images
    Mat1b img_r_edge;
    Mat1b img_g_edge;
    Mat1b img_b_edge;

    // TODO: 1) Calculate the 1st Sobel derivative once in x and once in y direction and combine these two
    //          (for every channel).
    Mat1f dx, dy;
    Mat1f sobel_L1_norm;
    Mat1f sobel_image;
    Mat1f edgeThreshold;
    double min, max; //Finding min and max Sobel valuye;


    //---------------------------------------------------

    Sobel(img_r, dx, CV_32F, 1, 0);
    Sobel(img_r, dy, CV_32F, 0, 1);

    //Compute the L1 norm
    sobel_L1_norm = abs(dx) + abs(dy); // Type 

    // Normalize
    normalize(sobel_L1_norm, sobel_image, 0, 1, NORM_MINMAX);

    // Use a value different from 'min', which will (almost always) be 0.
    double thresh = 0.5;
    threshold(sobel_image, edgeThreshold, thresh, 255, THRESH_BINARY);

    edgeThreshold.convertTo(img_r_edge, CV_8U);
    imwrite("img_r_edge.png", img_r_edge);


    return 0;
}

在 x 方向和 y 方向计算一次 1st Sobel 导数并将这两者结合起来（对于每个通道）

Calculate 1st Sobel derivative once in x and once in y direction and combine these two(for every channel)

c++

opencv

edge-detection