python + opencv图像处理（十八）——图像梯度

一阶导数与Soble算子
二阶导数与拉普拉斯算子
二阶导数：在二阶导数的时候，最大变化出的值为零即边缘是零值（根据此理论就可以提取边缘）。

from matplotlib import pyplot as plt 
from cv2 import cv2 as cv
import numpy as np 

#图像梯度：sobel算子
def sobel_image(image):
    grad_x = cv.Sobel(image, cv.CV_32F, 1, 0)#x方向导数
    grad_y = cv.Sobel(image, cv.CV_32F, 0, 1)#y方向导数
    gradx = cv.convertScaleAbs(grad_x)
    grady = cv.convertScaleAbs(grad_y)
    cv.imshow("X_sob", gradx)#颜色变化在水平分层
    cv.imshow("Y_sob", grady)#颜色变化在垂直分层
    gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0)#合起来
    cv.imshow("xy_sob", gradxy)


#图像梯度：scharr算子：增强边缘
# Scharr 是 sobel 算子的增强版本，对噪声比较敏感
def scharr_image(image):
    grad_x = cv.Scharr(image, cv.CV_32F, 1, 0)#x方向导数
    grad_y = cv.Scharr(image, cv.CV_32F, 0, 1)#y方向导数
    gradx = cv.convertScaleAbs(grad_x)
    grady = cv.convertScaleAbs(grad_y)
    cv.imshow("X_sch", gradx)#颜色变化在水平分层
    cv.imshow("Y_sch", grady)#颜色变化在垂直分层
    gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0)
    cv.imshow("xy_sch", gradxy)

# lapalian 算子
def lapalian_image(image):
    '''
    dst = cv.Laplacian(image, cv.CV_32F)
    lpls = cv.convertScaleAbs(dst)
    '''
 
    kernel = np.array([[0,1,0],[1,-4,1],[0,1,0]])  #定义卷积和  可以尝试其他的
    dst = cv.filter2D(image,cv.CV_32F,kernel=kernel)
    lpls = cv.convertScaleAbs(dst)
    #上述3行是自定义的

    cv.imshow("lpls", lpls)
 
#图像锐化
def custom_blur_demo(image):
    kernel = np.array(([0,-1,0],[-1,5,-1],[0,-1,0]),np.float32)
    dst = cv.filter2D(image,-1,kernel=kernel)
    cv.imshow('custom_blur_demo',dst)


if __name__ == "__main__":
    filepath = "C:\\pictures\\0000.png"
    img = cv.imread(filepath)       # blue green red
    # cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
    cv.imshow("input image",img)

    custom_blur_demo(img)


    cv.waitKey(0)
    cv.destroyAllWindows()

Soble算子图

拉普拉斯算子：

图像锐化对比：