一、索贝尔算子
# -*- coding=GBK -*-
import cv2 as cv
#图像梯度:索贝尔算子
def sobel_image(image):
grad_x = cv.Sobel(image, cv.CV_32F, 1, 0)#x方向导数
grad_y = cv.Sobel(image, cv.CV_32F, 0, 1)#y方向导数
gradx = cv.convertScaleAbs(grad_x)
grady = cv.convertScaleAbs(grad_y)
cv.imshow("X方向", gradx)#颜色变化在水平分层
cv.imshow("Y方向", grady)#颜色变化在垂直分层
gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0)
cv.imshow("合成", gradxy)
src = cv.imread("C://1.jpg")
cv.imshow("原来", src)
sobel_image(src)
cv.waitKey(0)
cv.destroyAllWindows()
运行结果如下:
二、
代码如下:scharr算子
#图像梯度:scharr算子:增强边缘
def scharr_image(image):
grad_x = cv.Scharr(image, cv.CV_32F, 1, 0)#x方向导数
grad_y = cv.Scharr(image, cv.CV_32F, 0, 1)#y方向导数
gradx = cv.convertScaleAbs(grad_x)
grady = cv.convertScaleAbs(grad_y)
cv.imshow("X方向", gradx)#颜色变化在水平分层
cv.imshow("Y方向", grady)#颜色变化在垂直分层
gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0)
cv.imshow("合成", gradxy)
运行结果如下:
三、拉普拉斯算子
代码如下:
#拉普拉斯算子
def lapalian_image(image):
dst = cv.Laplacian(image, cv.CV_32F)
lpls = cv.convertScaleAbs(dst)
cv.imshow("拉普拉斯", lpls)
运行结果如下: