Python+OpenCV图像处理（第5课---图像梯度）

sobel算子理论基础

下面计算P5点的x方向的梯度值，用P5所在列的右侧列减去左侧列，如果相差比较大，可以认为P5所在列是边界，否则不是边界。（下面是3*3的，Sobel()函数的ksize参数不传默认也是3，传值的话必须是奇数）

下面计算P5点的y方向的梯度值，用P5所在行的下侧行减去上侧行，如果相差比较大，可以认为P5所在行是边界，否则不是边界。


这就是P5点的sobel算子：

sobel算子及其函数使用

Sobel()

水平方向求梯度（垂直方向类似，略），ddepth=-1的时候（与原图像保持一样深度），出现负数会处理成0（下图左边界消失），可以把ddepth=cv2.CV_64F，保留住负数，再取绝对值并转为8-bit（下图左边界也会出现）。

# -*- coding: utf-8 -*-

import cv2

img = cv2.imread("C:\\imgs\\sobel.bmp", flags = cv2.IMREAD_UNCHANGED)

sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0)   # 先求x方向的梯度
# cv2.Sobel(img, -1, 1, 0) 可以看看这个效果，负数自动搞成0
sobelx = cv2.convertScaleAbs(sobelx)        # 求绝对值并转为8-bit
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1)   # 再求y方向的梯度
sobely = cv2.convertScaleAbs(sobely)        # 求绝对值并转为8-bit

sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)  # 图像融合

cv2.imshow("img", img)
cv2.imshow("sobelx", sobelx)
cv2.imshow("sobely", sobely)
cv2.imshow("sobelxy", sobelxy)
cv2.waitKey()
cv2.destroyAllWindows()

scharr算子及其函数使用

Scharr()

与sobel算子对比，是对sobel算子的改进，一般就不用sobel算子了，用scharr算子。

# -*- coding: utf-8 -*-

import cv2

img = cv2.imread("C:\\imgs\\sobel.bmp", flags = cv2.IMREAD_UNCHANGED)

scharrx = cv2.Scharr(img, cv2.CV_64F, 1, 0)  # 先求x方向的梯度
scharrx = cv2.convertScaleAbs(scharrx)        # 求绝对值并转为8-bit
scharry = cv2.Scharr(img, cv2.CV_64F, 0,1)  # 再求y方向的梯度
scharry = cv2.convertScaleAbs(scharry)        # 求绝对值并转为8-bit

scharrxy = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)  # 图像融合

cv2.imshow("img", img)
cv2.imshow("scharrx", scharrx)
cv2.imshow("scharry", scharry)
cv2.imshow("scharrxy", scharrxy)
cv2.waitKey()
cv2.destroyAllWindows()

sobel算子核scharr算子对比

# -*- coding: utf-8 -*-

import cv2

img = cv2.imread("C:\\imgs\\lena256.bmp", flags = cv2.IMREAD_UNCHANGED)

sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0)  # 先求x方向的梯度
sobelx = cv2.convertScaleAbs(sobelx)        # 求绝对值并转为8-bit
sobely = cv2.Sobel(img, cv2.CV_64F, 0,1)  # 再求y方向的梯度
sobely = cv2.convertScaleAbs(sobely)        # 求绝对值并转为8-bit
sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)  # 图像融合


scharrx = cv2.Scharr(img, cv2.CV_64F, 1, 0)  # 先求x方向的梯度
scharrx = cv2.convertScaleAbs(scharrx)        # 求绝对值并转为8-bit
scharry = cv2.Scharr(img, cv2.CV_64F, 0,1)  # 再求y方向的梯度
scharry = cv2.convertScaleAbs(scharry)        # 求绝对值并转为8-bit
scharrxy = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)  # 图像融合

cv2.imshow("img", img)
cv2.imshow("sobelxy", sobelxy)
cv2.imshow("scharrxy", scharrxy)
cv2.waitKey()
cv2.destroyAllWindows()

Laplacian算子

# -*- coding: utf-8 -*-

import cv2

img = cv2.imread("C:\\imgs\\lena256.bmp", flags = cv2.IMREAD_UNCHANGED)

laplacian = cv2.Laplacian(img, cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)        # 求绝对值并转为8-bit

cv2.imshow("img", img)
cv2.imshow("laplacian", laplacian)
cv2.waitKey()
cv2.destroyAllWindows()

换这张图片测试下，效果很好：

特别说明

本文参考网易云课堂《Python+OpenCV图像处理》