opencv_ex17-圖像放大pyrUp、彩色轉灰階cvtColor、灰階圖像邊緣檢測Sobel(Scharr)、灰階像素點的值at(y, x)、灰階像素運算正規化saturate_cast、單純圖像相加add、圖像相加可定義權重addWeighted
opencv_ex17-圖像放大pyrUp、彩色轉灰階cvtColor、灰階圖像邊緣檢測Sobel(Scharr)、灰階像素點的值at<uchar>(y, x)、灰階像素運算正規化saturate_cast、單純圖像相加add、圖像相加可定義權重addWeighted
GITHUB:https://github.com/jash-git/CPP_opencv249_ex
void Scharr(InputArray src, OutputArray dst, int ddepth, int dx, int dy, double scale=1, double delta=0, int borderType=BORDER_DEFAULT)
或是Sobel(src, dst, ddepth, dx, dy, CV_SCHARR)，兩者效果相同。
src：輸入圖。
dst：輸出圖，和輸入圖有相同的尺寸和通道數。
ddepth：輸出圖的深度，使用方式和Sobel相同。
dx：x方向的微分階數。
dy：y方向的微分階數。
scale：縮放值
delta：偏移量。
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)
src：輸入圖。
dst：輸出圖，和輸入圖有相同的尺寸和通道數。
ddepth：輸出圖的深度，假設輸入圖為CV_8U, 支援CV_8U、CV_16S、CV_32F、CV_64F，假設輸入圖為 CV_16U, 支援CV_16U、CV_32F、CV_64F。
dx：x方向的微分階數。
dy：y方向的微分階數。
ksize：核心，必須為1、3、5或7。
scale：縮放值。
delta：偏移量。
計算輸入圖各像素，並將結果轉成8位元圖
void convertScaleAbs(InputArray src, OutputArray dst, double alpha=1, double beta=0)
src：輸入圖。
dst：輸出圖。
alpha：選擇性的乘法因子。
beta：選擇性的加法因子。
此函式主要進行3步驟；1.計算 2.取絕對值 3.轉成無正負號8位元圖
用saturate_cast將每次的計算結果限定在合理範圍，以本例來說就是從0到255，超過255會設定成255，小於0會設定成0。
OpenCV 限定合理範圍：template< … > _Tp saturate_cast(_Tp2 v)
v：輸入參數，會讓此值在合理範圍。
saturate_cast使用模板，所以呼叫時要指定像素深度。
OpenCV影像相加：void addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype=-1)
src1：輸入圖。
alpha：src1的權重。
src2：輸入圖，和src1的尺寸和通道數相同。
beta：src2的權重。
gamma：兩圖相加後再增加的值。
dst：輸出圖，輸出矩陣和輸入矩陣有相同的尺寸和通道數。
dtype：可有可無的輸出圖深度。
OpenCV影像相加：void add(InputArray src1, InputArray src2, OutputArray dst, InputArray mask=noArray(), int dtype=-1)
src1 ：輸入圖或強度值。
src2 ：輸入圖或強度值。
dst：輸出圖，輸出圖和輸入圖有相同的尺寸和通道數。
mask：可有可無的遮罩，8位元單通道圖，指定那些像素要計算。
dtype：可有可無的輸出圖深度。
心得:
01.雖然已經學會利用灰階圖像做Sobel要讓結果清晰可見的訣竅就是要用convertScaleAbs，但是如果實際應用應該還是要把圖轉成二值化資料會更少，也會比較好後續運算
02.Sobel(Scharr)目前測試只能用在灰階圖像，不能用在二值化圖像
03.所以OPENCV的邊緣檢測SOP: 灰階->濾波(高斯)->邊緣檢測->二值化
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/ml/ml.hpp>
#include <iostream>
#include <cstdio>
#include <sys/timeb.h>
#if defined(WIN32)
#define TIMEB _timeb
#define ftime _ftime
typedef __int64 TIME_T;
#else
#define TIMEB timeb
typedef long long TIME_T;
#endif
using namespace cv;
using namespace std;
Mat src;//input image
void Pause()
{
printf("Press Enter key to continue...");
fgetc(stdin);
}
int main()
{
Mat input,gray_src,dst;
input = imread("Lena_original.jpg");
if (!input.data)
{
printf("could not load image...\n");
}
else
{
//放大
pyrUp(input, src, Size(input.cols*2, input.rows*2));
GaussianBlur(src, dst, Size(3, 3), 0, 0);//高斯模糊GaussianBlur目的為了給圖像預處理時候減低噪聲(雜訊)
cvtColor(dst, gray_src, CV_BGR2GRAY);//彩色轉灰階
imshow("Lena_gray", gray_src);
Mat Scharr_x, Scharr_y;
/*
void Scharr(InputArray src, OutputArray dst, int ddepth, int dx, int dy, double scale=1, double delta=0, int borderType=BORDER_DEFAULT)
或是Sobel(src, dst, ddepth, dx, dy, CV_SCHARR)，兩者效果相同。
src：輸入圖。
dst：輸出圖，和輸入圖有相同的尺寸和通道數。
ddepth：輸出圖的深度，使用方式和Sobel相同。
dx：x方向的微分階數。
dy：y方向的微分階數。
scale：縮放值
delta：偏移量。
*/
Scharr(gray_src, Scharr_x, CV_16S, 1, 0);
Scharr(gray_src, Scharr_y, CV_16S, 0, 1);
convertScaleAbs(Scharr_x, Scharr_x);
convertScaleAbs(Scharr_y, Scharr_y);
//--imshow("Scharr_x", Scharr_x);
//--imshow("Scharr_y", Scharr_y);
/*
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)
src：輸入圖。
dst：輸出圖，和輸入圖有相同的尺寸和通道數。
ddepth：輸出圖的深度，假設輸入圖為CV_8U, 支援CV_8U、CV_16S、CV_32F、CV_64F，假設輸入圖為 CV_16U, 支援CV_16U、CV_32F、CV_64F。
dx：x方向的微分階數。
dy：y方向的微分階數。
ksize：核心，必須為1、3、5或7。
scale：縮放值。
delta：偏移量。
*/
Mat Sobel_x, Sobel_y;
Sobel(gray_src, Sobel_x, CV_16S, 1, 0, 3);
Sobel(gray_src, Sobel_y, CV_16S, 0, 1, 3);
/*
計算輸入圖各像素，並將結果轉成8位元圖
void convertScaleAbs(InputArray src, OutputArray dst, double alpha=1, double beta=0)
src：輸入圖。
dst：輸出圖。
alpha：選擇性的乘法因子。
beta：選擇性的加法因子。
此函式主要進行3步驟；1.計算 2.取絕對值 3.轉成無正負號8位元圖
*/
convertScaleAbs(Sobel_x, Sobel_x);
convertScaleAbs(Sobel_y, Sobel_y);
imshow("Sobel_x", Sobel_x);
imshow("Sobel_y", Sobel_y);
Mat Sobel_xy = Mat(Sobel_x.size(), Sobel_x.type());
int width = Sobel_x.cols;
int height = Sobel_y.rows;
for (int row = 0; row < height; row++) {
for (int col = 0; col < width; col++) {
int xg = Sobel_x.at<uchar>(row, col);
int yg = Sobel_y.at<uchar>(row, col);
int xy = xg + yg;
/*
用saturate_cast將每次的計算結果限定在合理範圍，以本例來說就是從0到255，超過255會設定成255，小於0會設定成0。
OpenCV 限定合理範圍：template< … > _Tp saturate_cast(_Tp2 v)
v：輸入參數，會讓此值在合理範圍。
saturate_cast使用模板，所以呼叫時要指定像素深度。
*/
Sobel_xy.at<uchar>(row, col) = saturate_cast<uchar>(xy);
}
}
imshow("Sobel_xy", Sobel_xy);
Mat Sobel_x_y01 = Mat(Sobel_x.size(), Sobel_x.type());
/*
OpenCV影像相加：void addWeighted(InputArray src1, double alpha, InputArray src2, double beta, double gamma, OutputArray dst, int dtype=-1)
src1：輸入圖。
alpha：src1的權重。
src2：輸入圖，和src1的尺寸和通道數相同。
beta：src2的權重。
gamma：兩圖相加後再增加的值。
dst：輸出圖，輸出矩陣和輸入矩陣有相同的尺寸和通道數。
dtype：可有可無的輸出圖深度。
*/
addWeighted(Sobel_x, 0.5, Sobel_y, 0.5, 0, Sobel_x_y01);//Sobel_x*0.5+Sobel_y*0.5
imshow("Sobel_x+y01", Sobel_x_y01);
Mat Sobel_x_y02 = Mat(Sobel_x.size(), Sobel_x.type());//Sobel_x+Sobel_y
/*
OpenCV影像相加：void add(InputArray src1, InputArray src2, OutputArray dst, InputArray mask=noArray(), int dtype=-1)
src1 ：輸入圖或強度值。
src2 ：輸入圖或強度值。
dst：輸出圖，輸出圖和輸入圖有相同的尺寸和通道數。
mask：可有可無的遮罩，8位元單通道圖，指定那些像素要計算。
dtype：可有可無的輸出圖深度。
*/
add(Sobel_x, Sobel_y, Sobel_x_y02);
imshow("Sobel_x+y02", Sobel_x_y02);
}
waitKey(0);
Pause();
return 0;
}