OpenCV图像处理和应用—图像梯度

最新推荐文章于 2023-05-07 11:06:50 发布

原创最新推荐文章于 2023-05-07 11:06:50 发布 · 377 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#opencv

OpenCV 专栏收录该内容

10 篇文章

订阅专栏

本文介绍了图像梯度的概念，强调它在检测图像边缘中的作用。重点讲述了Sobel算子，一种用于寻找图像边缘的离散微分算子，它结合了高斯平滑和微分求导。文中提供了Sobel算子计算图像x和y方向边缘的代码示例，并提及了Scharr和Laplacian算子作为补充。

© Fu Xianjun. All Rights Reserved.

图像梯度

图像梯度计算的是图像变化的速度。对于图像的边缘部分，其灰度值变化较大，梯度值也较大；相反，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值也较小。一般情况下，图像梯度计算的是图像的边缘信息。

Sobel 理论基础

Sobel 算子是一种离散的微分算子，该算子结合了高斯平滑和微分求导运算。该算子利用局部差分寻找边缘，计算所得的是一个梯度的近似值。

函数使用
在这里插入图片描述

代码如下：

计算图像x方向边缘

sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
#因为右侧像素减去左边像素，存在负值的情况，因此使用cv2.convertScaleAbs取绝对值操作
sobelx = cv2.convertScaleAbs(sobelx)
cv_show("sobelx",sobelx)

计算图像y方向边缘

sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
#因为下侧像素减去下边像素，存在负值的情况，因此使用cv2.convertScaleAbs取绝对值操作
sobely = cv2.convertScaleAbs(sobely)
cv_show("sobely",sobely)

合并

sobel_demo = cv2.addWeighted(sobelx,0.5,sobely,0.5,0.5)
cv_show("sobel_demo",sobel_demo)

当然也可以直接

sobelxy = cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3)
sobel=cv2.convertScaleAbs(sobelxy)
cv_show("sobel",sobel)

实现计算peppa的sobel边缘

peppa = cv2.imread("peppa.png",0)
sobelx = cv2.Sobel(peppa,cv2.CV_64F,1,0)
sobelx=cv2.convertScaleAbs(sobelx)
sobely = cv2.Sobel(peppa,cv2.CV_64F,1,0)
sobely=cv2.convertScaleAbs(sobely)
sobel_demo = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
#sobel_demo = sobelx+sobely
cv_show("sobel_demo",sobel_demo)

Scharr算子 （详细理解👉链接）

Scharrx = cv2.Scharr(peppa,cv2.CV_64F,1,0)
Scharry = cv2.Scharr(peppa,cv2.CV_64F,0,1)
Scharrx = cv2.convertScaleAbs(Scharrx)
Scharry = cv2.convertScaleAbs(Scharrx)
Scharr_demo = cv2.addWeighted(Scharrx,0.5,Scharry,0.5,0.5)
cv2.imshow("Scharr_demo",Scharr_demo)
cv2.imshow("sobel_demo",sobel_demo)
cv2.waitKey()
cv2.destroyAllWindows()

laplacian算子（详细理解👉[链接]）

laplacian = cv2.Laplacian(img,cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian) 
cv2.imshow("laplacian_demo",laplacian)
cv2.waitKey()
cv2.destroyAllWindows()