C++语言实现robert算子锐化处理

好的，下面是C++语言实现robert算子锐化处理的代码：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
    // 读取图像
    Mat src = imread("lena.jpg");

    if (src.empty())
    {
        cout << "Could not open or find the image!\n" << endl;
        return -1;
    }

    // 转为灰度图像
    Mat gray;
    cvtColor(src, gray, COLOR_BGR2GRAY);

    // Robert算子锐化处理
    Mat robert_x = (Mat_<char>(2, 2) << 1, 0, 0, -1);
    Mat robert_y = (Mat_<char>(2, 2) << 0, 1, -1, 0);
    Mat dst_x, dst_y;
    filter2D(gray, dst_x, CV_16S, robert_x);
    filter2D(gray, dst_y, CV_16S, robert_y);
    Mat dst = abs(dst_x) + abs(dst_y);
    dst.convertTo(dst, CV_8U);

    // 显示原图和处理后的图像
    namedWindow("Source image", WINDOW_AUTOSIZE);
    imshow("Source image", src);
    namedWindow("Robert operator", WINDOW_AUTOSIZE);
    imshow("Robert operator", dst);

    waitKey(0);
    return 0;
}

在这个代码中，我们首先读取了一张图像，然后将其转化为灰度图像。接着，我们定义了Robert算子的横向和纵向卷积核，分别为：

Mat robert_x = (Mat_<char>(2, 2) << 1, 0, 0, -1);
Mat robert_y = (Mat_<char>(2, 2) << 0, 1, -1, 0);

然后，我们使用cv::filter2D函数来对灰度图像进行卷积运算，得到横向和纵向的卷积结果：

Mat dst_x, dst_y;
filter2D(gray, dst_x, CV_16S, robert_x);
filter2D(gray, dst_y, CV_16S, robert_y);

接着，我们对两个卷积结果取绝对值并相加，得到锐化后的图像：

Mat dst = abs(dst_x) + abs(dst_y);
dst.convertTo(dst, CV_8U);

最后，我们使用cv::imshow函数来显示原图和处理后的图像。

需要注意的是，在进行卷积运算时，我们使用了CV_16S类型来存储结果，这是因为卷积结果可能会超出像素值范围而导致溢出。使用CV_16S类型可以避免这种情况的发生。最后，我们将结果转换为CV_8U类型以便于显示。