python实现opencv学习十六：图像梯度

最新推荐文章于 2024-11-28 11:54:22 发布

七刀

最新推荐文章于 2024-11-28 11:54:22 发布

阅读量2.7k

点赞数 4

CC 4.0 BY-SA版权

分类专栏： python2.7+opencv3.0

本文链接：https://blog.youkuaiyun.com/u011321546/article/details/79607715

python2.7+opencv3.0 专栏收录该内容

25 篇文章

订阅专栏

本文介绍了使用Python OpenCV库实现图像处理中的三种经典边缘检测技术：索贝尔算子、Scharr算子及拉普拉斯算子。通过具体代码演示了如何在图像中识别边缘并进行增强。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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：