Opencv 从sobel确定图像梯度方向？

我试图使用openCV的Sobel方法的结果来确定图像的梯度方向

我理解这应该是一项非常简单的任务。我从许多参考资料和答案中复制了这些方法，但无论我做什么，结果方向总是在0-57度之间（我希望范围是0-360度）

我相信所有的深度都是正确的。我试着用16S数据和8U数据计算方向

我只是看不出我错在哪里？有人能看出我的错误吗

void getGradients(IplImage* original, cv::Mat* gradArray)
{
    cv::Mat original_Mat(original, true);

    // Convert it to gray
    cv::cvtColor( original_Mat, original_Mat, CV_RGB2GRAY );
    //cv::blur(original_Mat, original_Mat, cv::Size(7,7));

    /// Generate grad_x and grad_y
    cv::Mat grad_x = cv::Mat::zeros(original->height, original->width, CV_16S); 
    cv::Mat grad_y = cv::Mat::zeros(original->height, original->width, CV_16S);

    cv::Mat abs_grad_x = cv::Mat::zeros(original->height, original->width, CV_8U);
    cv::Mat abs_grad_y = cv::Mat::zeros(original->height, original->width, CV_8U);;

    /// Gradient X
    cv::Sobel(original_Mat, grad_x, CV_16S, 1, 0, 3);
    cv::convertScaleAbs( grad_x, abs_grad_x );

    /// Gradient Y
    cv::Sobel(original_Mat, grad_y, CV_16S, 0, 1, 3);
    cv::convertScaleAbs( grad_y, abs_grad_y );

    uchar* pixelX = abs_grad_x.data;
    uchar* pixelY = abs_grad_y.data;
    uchar* grad1 = gradArray[0].data;
    uchar* grad2 = gradArray[1].data;
    uchar* grad3 = gradArray[2].data;
    uchar* grad4 = gradArray[3].data;
    uchar* grad5 = gradArray[4].data;
    uchar* grad6 = gradArray[5].data;
    uchar* grad7 = gradArray[6].data;
    uchar* grad8 = gradArray[7].data;
    int count = 0;
    int min = 999999;
    int max = 0;

    for(int i = 0; i < grad_x.rows * grad_x.cols; i++) 
    {
            int directionRAD = atan2(pixelY[i], pixelX[i]);
            int directionDEG = directionRAD / PI * 180;

            if(directionDEG < min){min = directionDEG;}
            if(directionDEG > max){max = directionDEG;}

            if(directionDEG >= 0 && directionDEG <= 45)         { grad1[i] = 255; count++;}         
            if(directionDEG >= 45 && directionDEG <= 90)        { grad2[i] = 255; count++;}         
            if(directionDEG >= 90 && directionDEG <= 135)       { grad3[i] = 255; count++;}         
            if(directionDEG >= 135 && directionDEG <= 190)      { grad4[i] = 255; count++;}         
            if(directionDEG >= 190 && directionDEG <= 225)      { grad5[i] = 255; count++;}         
            if(directionDEG >= 225 && directionDEG <= 270)      { grad6[i] = 255; count++;}     
            if(directionDEG >= 270 && directionDEG <= 315)      { grad7[i] = 255; count++;}
            if(directionDEG >= 315 && directionDEG <= 360)      { grad8[i] = 255; count++;}

            if(directionDEG < 0 || directionDEG > 360)
            {
                cout<<"Weird gradient direction given in method: getGradients.";
            }               
    }
}

void getGradients（IplImage*原始，cv:：Mat*梯度阵列）
{
cv：：Mat original_Mat（原件，真实）；
//将其转换为灰色
cv:：cvtColor（原色垫、原色垫、cv\u RGB2GRAY）；
//cv：：模糊（原始垫，原始垫，cv：：大小（7,7））；
///生成梯度x和梯度y
cv:：Mat grad_x=cv:：Mat:：zeros（原始->高度，原始->宽度，cv_16S）；
cv:：Mat grad_y=cv:：Mat:：zeros（原始->高度，原始->宽度，cv_16S）；
cv:：Mat abs_grad_x=cv:：Mat:：Zero（原始->高度，原始->宽度，cv_8U）；
cv:：Mat abs_grad_y=cv:：Mat:：Zero（原始->高度，原始->宽度，cv_8U）；；
///梯度X
cv：：Sobel（原始材料，梯度x，cv_16S，1,0,3）；
cv：：可转换比例（梯度x，绝对梯度x）；
///梯度Y
cv：：Sobel（原始材料，梯度，cv_16S，0，1，3）；
cv：：可转换比例（梯度、绝对梯度）；
uchar*pixelX=绝对梯度x.数据；
uchar*像素=绝对梯度数据；
uchar*grad1=gradArray[0]。数据；
uchar*grad2=gradArray[1]。数据；
uchar*grad3=gradArray[2]。数据；
uchar*grad4=gradArray[3]。数据；
uchar*grad5=gradArray[4]。数据；
uchar*grad6=gradArray[5]。数据；
uchar*grad7=gradArray[6]。数据；
uchar*grad8=gradArray[7]。数据；
整数计数=0；
int min=999999；
int max=0；
对于（int i=0；imax）{max=directionDEG；}
如果（方向度>=0&&directionDEG=45&&directionDEG=90&&directionDEG=135&&directionDEG=190&&directionDEG=225&&directionDEG=270&&directionDEG=315&&directionDEG=360）
{
cout您使用的是整数运算，因此弧度和度数的计算受到截断的严重影响

另外，
atan2
给出了
-PI
到
+PI
范围内的结果，因此，如果您想要0..360范围内的度值，则需要添加180度校正：

        double directionRAD = atan2(pixelY[i], pixelX[i]);
        int directionDEG = (int)(180.0 + directionRAD / M_PI * 180.0);

注意
directionRAD
使用的是
double
而不是
int

专业提示：学习使用调试器逐步调试代码，在运行过程中检查变量-这将使修复像这样的简单错误比等待StackOverflow上的响应容易得多。
您获取渐变的绝对值，它将所有角度从[-180；180]映射到[0；90]。你也可以使用整数除法。
你可以使用索贝尔算子得到x导数
dx
和y导数
dy
。然后你可以使用公式来计算梯度的大小和方向。
G=sqrt（dx^2+dy^2），theta=arctan（dy/dx）
。你可以发现这只是转换笛卡尔坐标系（x，y）到极坐标（ρ，θ）

您的代码中存在错误，您将
dx
和
dy
的绝对值设置为绝对值，这使得方向始终位于笛卡尔坐标系的第一象限。您使用的函数
convertScaleAbs
将结果转换为8位，从而导致截断错误

我有一个计算震级的演示，部分基于你的代码

    const string imgname = "F:/OpenCV/square.jpg";
    Mat img = imread(imgname, CV_LOAD_IMAGE_COLOR);

    // 1. convert it to gray value
    Mat gray;
    cvtColor(img, gray, CV_BGR2GRAY);
    // 2. blur the image
    blur(gray, gray, Size(7, 7));
    // 3. sobel
    Mat grad_x, grad_y;
    Scharr(gray, grad_x, CV_32FC1, 1, 0);
    Scharr(gray, grad_y, CV_32FC1, 0, 1);
    // 4. calculate gradient magnitude and direction
    Mat magnitude, direction;
    bool useDegree = true;    // use degree or rad
    // the range of the direction is [0,2pi) or [0, 360)
    cartToPolar(grad_x, grad_y, magnitude, direction, useDegree);

    // test, the histogram of the directions
    vector<int> cnt(8, 0);   // 0-45, 45-90, ..., 315-360

    for(auto iter = direction.begin<float>(); iter != direction.end<float>(); ++iter)
    {
        int idx = static_cast<int>(*iter) / 45;
        ++cnt[idx];
    }

    Mat scaled;
    convertScaleAbs(magnitude, scaled);
    imshow("magnitude", scaled);
    for(auto v : cnt)
        cout << v << " ";

const string imgname=“F:/OpenCV/square.jpg”；
Mat img=imread（imgname、CV\u LOAD\u IMAGE\u COLOR）；
//1.将其转换为灰度值
席灰色；
CVT颜色（img、灰色、CV_bgr2灰色）；
//2.模糊图像
模糊（灰色，灰色，大小（7,7））；
//3.索贝尔
Mat grad_x，grad_y；
沙尔（灰色，渐变x，CV_32FC1,1,0）；
Scharr（灰色，渐变，CV_32FC1,0,1）；
//4.计算坡度大小和方向
垫的大小、方向；
bool usedegate=true；//使用度或rad
//方向的范围为[0,2pi）或[0,360）
cartToPolar（梯度x、梯度y、震级、方向、使用程度）；
//测试，方向的直方图
向量cnt（8，0）；/0-45，45-90，…，315-360
for（自动iter=方向.开始（）；iter！=方向.结束（）；++iter）
{
int idx=静态铸件（*iter）/45；
++cnt[idx]；
}
垫状鳞片；
可转换标度（幅值、标度）；
imshow（“震级”，按比例）；
用于（自动v:cnt）
非常感谢Paul的建议。我按照你的建议更正了截断问题，但是没有太大的区别。我仍然得到0-90（或180-270，应用180度更正）的有限数量的渐变方向。我不再缩放这些值，因此使用Sobel操作给出的原始16秒值。我已经对整个图像进行了处理，但看不出哪里出错。你有什么想法吗？谢谢。你也删除了abs操作吗？如果是，那么我建议你将最新代码作为新问题发布。是的，我有。我会发布现在是一个新问题。谢谢。谢谢老ufo。我按照Paul的建议更正了整数除法问题，我只直接使用Sobel操作中的16S数据。但是我仍然得到0-90之间的有限方向范围。你能看到我的代码有什么其他错误吗？请在你的帖子中更新代码，这样我们就可以在当前的v中发现错误版本。