cv::Mat inputIMG = cv::imread("./input/src.jpg", 1);cv::Mat graySrc, grad_x, grad_y;cv::Mat abs_grad_x, abs_grad_y;cv::cvtColor(inputIMG, graySrc, cv::COLOR_BGR2GRAY);cv::GaussianBlur(graySrc, graySrc, cv::Size(3, 3), 0, 0, 4);// 計算x方向的梯度Sobel(graySrc, grad_x, CV_32FC1, 1, 0, 3, 1, 0, cv::BORDER_DEFAULT);convertScaleAbs(grad_x, abs_grad_x);// 計算y方向的梯度Sobel(graySrc, grad_y, CV_32FC1, 0, 1, 3, 1, 0, cv::BORDER_DEFAULT);convertScaleAbs(grad_y, abs_grad_y);// 合并梯度cv::Mat dstGradientImage;addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, dstGradientImage);cv::imwrite("dstGradientImage.jpg", dstGradientImage);cv::Mat fuzhi;cv::Mat jiaodu;cv::cartToPolar(grad_x, grad_y, fuzhi, jiaodu, true);  //角度的結果在0-360之間

總結

以上是生活随笔為你收集整理的基于Sobel计算图像梯度图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。