## OpenCV 學習（利用濾波器進行邊緣提取）
通過低通濾波器，我們可以將圖像平滑，相反的，利用高通濾波器可以提取出圖像的邊緣。
### Sobel 濾波器
Sobel 濾波器是一種有方向性的濾波器，可以作用在 X 方向或 Y 方向。
關于這種濾波器的理論介紹可以參考：
[https://en.wikipedia.org/wiki/Sobel_operator](https://en.wikipedia.org/wiki/Sobel_operator)
函數原型如下：
~~~
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 );
~~~
這個濾波器結合了高斯平滑濾波和差分運算，對噪聲不是很敏感，是一種很常用的邊緣檢測算子。 dx 和 dy 是 X 和 Y 方向差分運算的階數。
如果對 X 方向求1 階差分，這對參數設為 1, 0。 對 Y 方向則設為 0， 1。
ksize 是核的大小，只能為 1， 3， 5， 7。 ksize = 1 時核為 1行3列或 3行1列，這時高斯平滑的步驟就沒有了。
ksize 還可以設為 CV_SCHARR (-1)，這算是個隱藏功能。 這時實際上計算的是 3 * 3 Scharr 濾波器。
scale 是對計算結果的縮放，delta 是對計算結果的平移。
下面是一個例子，原始測試圖像如下：
這里我們對 X 方向進行邊緣檢測。因為計算結果會出現負數，所以還做了些放縮和平移操作。代碼如下：
~~~
cv::Sobel(image, result, CV_8U, 1, 0, 3, 0.5, 128);
~~~
處理后的圖像如下：
可以看到圖像X方向的正負邊緣都檢測出來了，并且正負邊緣的數值是不同的，這對于我們需要提取某一種特定邊緣時是很有利的。
如果我們不需要區分正負邊緣，可以取個絕對值運算。類似下面這樣。
~~~
cv::Sobel(image, result, CV_16S, 1, 0, 3);
result = abs(result);
result.convertTo(result, CV_8U);
~~~
這里需要注意的是，當 image 是 CV_8U 類型時，result 類型不能是 CV_8S。這里只能先轉成 CV_16S 然后再轉換為我們需要的 CV_8U。
分別對圖像的 X 方向和 Y 方向進行 Sobel 濾波后我們就得到了圖像的梯度信息。但是這個梯度信息是（X， Y）形式的。有時我們需要用到 (ρ,θ) 形式。這時可以用 cv::cartToPolar 函數來進行轉換。下面是個例子：
~~~
cv::Sobel(image, resultX, CV_32F, 1, 0, 3);
cv::Sobel(image, resultY, CV_32F, 0, 1, 3);
cv::Mat norm, dir;
cv::cartToPolar(resultX, resultY, norm, dir);
~~~
### Scharr 濾波器
Scharr 算子在圖像的梯度方向的計算方面比 Sobel 算子更準確一些。用法和 Sobel 算子是類似的。
具體的理論也可以參考：
[https://en.wikipedia.org/wiki/Sobel_operator](https://en.wikipedia.org/wiki/Sobel_operator)
下面是 Scharr 算子的函數原型。
~~~
void Scharr( InputArray src, OutputArray dst, int ddepth,
int dx, int dy, double scale=1, double delta=0,
int borderType=BORDER_DEFAULT );
~~~
簡單的說：
~~~
Scharr(src, dst, ddepth, dx, dy, scale, delta, borderType);
~~~
等效于：
~~~
Sobel(src, dst, ddepth, dx, dy, CV_SCHARR, scale, delta, borderType);
~~~
