OpenCV篇9---图像渐变

最新推荐文章于 2022-06-29 14:39:48 发布

夜幕下的光123

最新推荐文章于 2022-06-29 14:39:48 发布

阅读量2.8k

点赞数

分类专栏：图像处理文章标签： OpenCV

图像处理专栏收录该内容

18 篇文章

订阅专栏

本文介绍如何利用OpenCV库中的Sobel、Scharr和Laplacian函数来查找图像中的渐变和边缘。通过具体的Python代码示例，演示了这些函数的应用，并展示了不同滤波器对图像处理的效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

学习目标：

1、查找图像渐变，边缘等；

2、学习函数：cv2.Sobel（），cv2.Scharr（），cv2.Laplacian（）等。

理论

OpenCV提供三种类型的梯度滤波器或高通滤波器，Sobel，Scharr和Laplacian。

实现代码：

#coding:utf8

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

img = cv2.imread('F:/lena.jpg',0)

laplacian = cv2.Laplacian(img,cv2.CV_64F)
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)

plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,2),plt.imshow(laplacian,cmap = 'gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])

plt.show()

输出：