【opencv学习笔记 19 图像的梯度】

本文深入探讨了图像处理中的关键概念:梯度计算与拉普拉斯算子应用。通过Python代码示例,展示了如何使用OpenCV库进行一阶和二阶导数计算,包括Sobel算子和自定义拉普拉斯算子的实现,以增强图像边缘检测能力。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

图像的梯度

  • 一阶导数
  • 二阶导数 —拉普拉斯算子系数和为0

一阶导数

import cv2 as cv
import numpy as np

def sobel_demo(image):
    #
    grad_x = cv.Scharr(image, cv.CV_32F, 1, 0)
    grad_y = cv.Scharr(image, cv.CV_32F, 0, 1)
    #
    gradx = cv.convertScaleAbs(grad_x)
    grady = cv.convertScaleAbs(grad_y)
    cv.imshow("gradient-x", gradx)
    cv.imshow("gradient-y", grady)

    gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0)
    cv.imshow("gradient", gradxy)


src = cv.imread("image5.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
sobel_demo(src)
cv.waitKey(0)

cv.destroyAllWindows()

效果展示

在这里插入图片描述

二级导数

def lapalian_demo(image):
    dst = cv.Laplacian(image, cv.CV_32F)
    # 转换
    lpls = cv.convertScaleAbs(dst)
    cv.imshow("lapalian_demo", lpls)

效果展示

在这里插入图片描述

自定义拉普拉斯算子

def lapalian_demo(image):
	#八领域算子
    kernel = np.array([[1, 1, 1], [1, -8, 1], [1, 1, 1]])
    dst = cv.filter2D(image, cv.CV_32F, kernel=kernel)
    lpls = cv.convertScaleAbs(dst)
    cv.imshow("lapalian_demo", lpls)

效果展示

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值