Opencv中cvSobel函数使用

Sobel算子为边沿检测中常用的算子之一。

以下给出Opencv手册中的说明：

Sobel
使用扩展 Sobel 算子计算一阶、二阶、三阶或混合图像差分 
void cvSobel( const CvArr* src, CvArr* dst, int xorder, int yorder, int aperture_size=3 );
src 
输入图像. 
dst 
输出图像. 
xorder 
x 方向上的差分阶数 
yorder 
y 方向上的差分阶数 
aperture_size 
扩展 Sobel 核的大小，必须是 1, 3, 5 或 7。 除了尺寸为 1， 其它情况下， aperture_size ×aperture_size 可分离内核将用来计算差分。对 aperture_size=1的情况， 使用 3x1 或 1x3 内核 （不进行高斯平滑操作）。这里有一个特殊变量 CV_SCHARR (=-1)，对应 3x3 Scharr 滤波器，可以给出比 3x3 Sobel 滤波更精确的结果。Scharr 滤波器系数是： 
 
对 x-方向 以及转置矩阵对 y-方向。 
函数 cvSobel 通过对图像用相应的内核进行卷积操作来计算图像差分： 
 
由于Sobel 算子结合了 Gaussian 平滑和微分，所以，其结果或多或少对噪声有一定的鲁棒性。通常情况，函数调用采用如下参数 (xorder=1, yorder=0, aperture_size=3) 或 (xorder=0, yorder=1, aperture_size=3) 来计算一阶 x- 或 y- 方向的图像差分。
核的选则依赖于图像原点的定义 (origin 来自 IplImage 结构的定义)。由于该函数不进行图像尺度变换，所以和输入图像(数组)相比，输出图像(数组)的元素通常具有更大的绝对数值（译者注：即象素的深度）。为防止溢出，当输入图像是 8 位的，要求输出图像是 16 位的。当然可以用函数 cvConvertScale 或 cvConvertScaleAbs 转换为 8 位的。除了 8-比特 图像，函数也接受 32-位 浮点数图像。所有输入和输出图像都必须是单通道的，并且具有相同的图像尺寸或者ROI尺寸。 

注意：由于sobel算子求出来的值有可能出现负值，所以当图像为8U是，dst必须为16S，而不能为16U。
错误的理解： 
cvSobel(  src,  dst, 1, 1, 3 );
等效于  cvSobel(  src,  dst1, 0, 1, 3 ); cvSobel(  src,  dst2, 1, 0, 3 ); cvAdd( dst1,dst2,dst);
解释：由可以知道，
cvSobel(  src,  dst, 1, 1, 3 );为，效果如图：
而cvSobel(  src,  dst1, 0, 1, 3 ); cvSobel(  src,  dst2, 1, 0, 3 );cvAdd( dst1,dst2,dst);则为。效果如图
X方向：
Y方向：
X方向绝对值 + Y方向绝对值 结果：
不取绝对值直接进行 X方向 + Y方向 结果如下：
结论：
正确的使用Sobel进行边缘检测的方法为：
伪代码如下：
cvSobel(Img_Src,Img_16S_SobelX,0,1,3);
cvSobel(Img_Src,Img_16S_SobelY,0,1,3);

if(abs(Img_16S_SobelX) + abs(Img_16S_SobelY)) > 255
Img_Dst = 255;
else 
Img_Dst = abs(Img_16S_SobelX) + abs(Img_16S_SobelY);