前言
前面博客讲了矩阵之间的卷积操作，在图像处理中，使用一些标准的模板的卷积核与原图像进行运算，可以改变像素强度，从而影响周围其他像素的强度，常用于图像模糊、锐化及边缘检测等。
Sobel算子
1.Sobel算子主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量。
Sobel算子的两个卷积核：
该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：
2.Sobel算子API
（1）在OpenCV中的Sobel算子的API是Sobel（），函数原型如下：
C++: void Sobel ( InputArray src，OutputArray dst,int ddepth,int dx, int dy, int ksize=3, double scale=1, double delta=0, int borderType=BORDER_DEFAULT );
参数说明：
第一个参数，InputArray 类型的src，为输入图像，填Mat类型即可。
第二个参数，OutputArray类型的dst，即目标图像，函数的输出参数，需要和源图片有一样的尺寸和类型。
第三个参数，int类型的ddepth，输出图像的深度，支持如下src.depth()和ddepth的组合：
若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
若src.depth() = CV_64F, 取ddepth = -1/CV_64F
第四个参数，int类型dx，x 方向上的差分阶数。
第五个参数，int类型dy，y方向上的差分阶数。
第六个参数，int类型ksize，有默认值3，表示Sobel核的大小;必须取1，3，5或7。
第七个参数，double类型的scale，计算导数值时可选的缩放因子，默认值是1，表示默认情况下是没有应用缩放的。我们可以在文档中查阅getDerivKernels的相关介绍，来得到这个参数的更多信息。
第八个参数，double类型的delta，表示在结果存入目标图（第二个参数dst）之前可选的delta值，有默认值0。
第九个参数， int类型的borderType，我们的老朋友了（万年是最后一个参数），边界模式，默认值为BORDER_DEFAULT。这个参数可以在官方文档中borderInterpolate处得到更详细的信息。
（2）代码演示
void mySobel(Mat &src,Mat &abs_gradient_x,Mat &abs_gradient_y, Mat &dst3)
{
Mat gradient_x, gradient_y;
//求X方向梯度
Sobel( src, gradient_x, CV_16S, 1, 0, 3, 1, 1, BORDER_DEFAULT );
convertScaleAbs( gradient_x, abs_gradient_x);
Mat abs_x = abs_gradient_x.clone();
putText(abs_gradient_x,"X Directional gradient",Point(50,60),FONT_HERSHEY_SIMPLEX,2,Scalar(255,23,0),2,8);
//求Y方向梯度
Sobel( src, gradient_y, CV_16S, 0, 1, 3, 1, 1, BORDER_DEFAULT );
convertScaleAbs( gradient_y, abs_gradient_y );
Mat abs_y = abs_gradient_y.clone();
putText(abs_gradient_y,"Y Directional gradient",Point(50,60),FONT_HERSHEY_SIMPLEX,2,Scalar(255,23,0),2,8);
//合并梯度
addWeighted(abs_x, 0.5, abs_y, 0.5, 0, dst3 );
putText(dst3,"Merging gradient",Point(50,60),FONT_HERSHEY_SIMPLEX,2,Scalar(255,23,0),4,8);
}
3.运行效果
（1）
（2）
（3）