OpenCV--图像梯度处理

图像梯度-Sobel(索贝尔)算子

• cv2.Sobel(src, ddepth, dx, dy, ksize) 进行sobel算子计算
  参数说明：
  src：表示当前图片，
  ddepth：表示图片深度，这里使用cv2.CV_64F使得结果可以是负值，
  dx：表示x轴方向，
  dy：表示y轴方向, ksize表示移动方框的大小

• cv2.convertScalerAbs(src) 将像素点进行绝对值计算
  参数说明:
  src：表示当前图片

sobel算子：分为x轴方向和y轴方向上的，
x轴方向上的算子如图中的Gx，将sober算子在图中进行平移，当前位置的像素值等于sobel算子与(当前位置与周边位置8个点)进行对应位置相乘并相加操作，作为当前位置的像素点（右减左）
y轴方向的算子如Gy， 对于x轴方向上，即左右两边的比较（下减上）

计算方程为：x轴： p3 - p1 + 2 * p6 - 2 * p4 + p9 - p7， 右边的像素值减去左边的像素值

import cv2
import matplotlib.pyplot as plt
img = cv2.imread('pie.png',cv2.IMREAD_GRAYSCALE)
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)# 1,0: 表示只算水平的，不算竖直的
sobelxx = cv2.convertScaleAbs(sobelx) #白到黑是正数，黑到白就是负数了，所有的负数会被截断成0，所以要取绝对值

sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobelyy = cv2.convertScaleAbs(sobely)

# 分别计算x和y,再求和,融合的较好
sobelxy_1 = cv2.addWeighted(sobelxx,0.5,sobelyy,0.5,0) 
# 不建议直接计算,融合的不好
sobelxy_2 = cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3)

# cv_show('pie',img)
cv2.imshow('sobelx',sobelx)
cv2.imshow('sobelxx',sobelxx)
cv2.imshow('sobely',sobely)
cv2.imshow('sobelyy',sobelyy)
cv2.imshow('sobelxy_1',sobelxy_1)
cv2.imshow('sobelxy_2',sobelxy_2)
cv2.waitKey(0)
cv2.destroyAllWindows()

白到黑是正数，黑到白就是负数了，所有的负数会被截断成0，所以要用convertScalerAbs取绝对值

注：图sobelx，右半边也有梯度，但是是从黑到白，所以为0(黑)，所以看不出来。（图sobely的下半部分同理）

在这里插入图片描述 在这里插入图片描述 在这里插入图片描述 在这里插入图片描述

Lena图像的sobel水平竖直方向的操作效果

图像梯度-Scharr算子与laplacian算子

laplacian (lɑ:'plɑ:siən) 拉普拉斯算子

laplacian算子计算方程为：p2 + p4 + p6 +p8 - 4 * p5

Scharr算子和Sobel算子的用法相同，Laplacian算子就不存在x y了

img = cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)   
sobely = cv2.convertScaleAbs(sobely)  
sobelxy =  cv2.addWeighted(sobelx,0.5,sobely,0.5,0)  

scharrx = cv2.Scharr(img,cv2.CV_64F,1,0)
scharry = cv2.Scharr(img,cv2.CV_64F,0,1)
scharrx = cv2.convertScaleAbs(scharrx)   
scharry = cv2.convertScaleAbs(scharry)  
scharrxy =  cv2.addWeighted(scharrx,0.5,scharry,0.5,0) 

laplacian = cv2.Laplacian(img,cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)   

res = np.hstack((img,sobelxy,scharrxy,laplacian))
cv_show(res,'res')

image.png