OpenCV--图像梯度处理，图片轮廓，边缘检测

一.图像梯度处理

• 图像梯度处理是图像分析中的一个重要技术，用于检测图像中的边缘、纹理和结构。梯度表示图像亮度变化的方向和幅度，常用于边缘检测、特征提取和图像分割等任务。以下是 OpenCV 中常用的图像梯度处理方法及其函数。

1. 梯度计算

Sobel 算子–cv2.Sobel()`

Sobel 算子用于计算图像在水平和垂直方向的梯度。这有助于检测边缘。

函数：cv2.Sobel()

函数签名：

cv2.Sobel(src, ddepth, dx, dy, ksize, scale=1, delta=0, borderType=cv2.BORDER_DEFAULT)

参数解释：

• src：输入图像（通常是灰度图像）。
• ddepth：目标图像的深度，常用 cv2.CV_16S（有符号 16 位）或 cv2.CV_8U（无符号 8 位）。
• dx：x 方向的导数阶数（0 表示不计算 x 方向的梯度）。
• dy：y 方向的导数阶数（0 表示不计算 y 方向的梯度）。
• ksize：Sobel 卷积核的大小（常用值为 1、3、5、7）。
• scale：缩放系数，用于调整结果的大小（默认值 1）。
• delta：在计算梯度值时添加的偏移量（默认值 0）。
• borderType：边界类型，通常使用 cv2.BORDER_DEFAULT。

示例代码：

import cv2
import numpy as np

# 读取灰度图像
gray_image = cv2.imread('gray_image.jpg', cv2.IMREAD_GRAYSCALE)

# 计算 x 方向的梯度
sobel_x = cv2.Sobel(gray_image, -1, 1, 0, ksize=3)

# 计算 y 方向的梯度
sobel_y = cv2.Sobel(gray_image,-1, 0, 1, ksize=3)

# 合并 x 和 y 方向的梯度
sobel_combined = cv2.addWeighted(sobel_x, 0.5, sobel_y, 0.5, 0)

# 显示图像
cv2.imshow('Sobel X', sobel_x)
cv2.imshow('Sobel Y', sobel_y)
cv2.imshow('Sobel Combined', sobel_combined)
cv2.waitKey(0)
cv2.destroyAllWindows()

Laplacian 算子—cv2.Laplacian()

Laplacian 算子用于计算图像的二阶导数，常用于检测边缘和角点。

函数：cv2.Laplacian()

函数签名：

cv2.Laplacian(src, ddepth, ksize=1, scale=1, delta=0, borderType=cv2.BORDER_DEFAULT)

参数解释：

• src：输入图像（通常是灰度图像）。
• ddepth：目标图像的深度，常用 cv2.CV_16S 或 cv2.CV_8U。
• ksize：卷积核的大小（常用值为 1、3、5、7）。
• scale：缩放系数（默认值 1）。
• delta：添加的偏移量（默认值 0）。
• borderType：边界类型（通常使用 cv2.BORDER_DEFAULT）。