【opencv学习笔记 19 图像的梯度】

子永

于 2020-04-13 16:59:11 发布

阅读量203

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Python3+opencv 笔记文章标签： opencv

本文链接：https://blog.youkuaiyun.com/Wu123456CS/article/details/105492225

Python3+opencv 笔记专栏收录该内容

31 篇文章

订阅专栏

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)