《OpenCV轻松入门：面向Python》读书笔记
作者：李立宗
出版社：电子工业出版社
出版时间：2019-05

第9章 图像梯度

1）定义

  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。

2）梯度计算

  严格来讲，图像梯度计算需要求导数，但是图像梯度一般通过计算像素值的差来得到梯度的近似值（近似导数值）。
  例如，图9-1中的左右两幅图分别描述了图像的水平边界和垂直边界。

图9-1 图像边界示意图

针对左图，通过垂直方向的线条A和线条B的位置，可以计算图像水平方向的边界：

• 对于线条A和线条B，其右侧像素值与左侧像素值的差值不为零，因此是边界。
• 对于其余列，其右侧像素值与左侧像素值的差值均为零，因此不是边界。

针对右图，通过水平方向的线条A和线条B的位置，可以计算图像垂直方向的边界：

• 对于线条A和线条B，其下侧像素值与上侧像素值的差值不为零，因此是边界。
• 对于其余行，其下侧像素值与上侧像素值的差值均为零，因此不是边界。

将上述运算关系进一步优化，可以得到更复杂的边缘信息。本章将关注Sobel算子、Scharr算子和Laplacian算子的使用。