python怎么计算图像梯度_Opencv-Python学习笔记十——图像梯度、边缘检测 Gradient, Edge Detection...

图像梯度 边缘检测

图像梯度，图像边界

使用到的函数有： cv2.Sobel()， cv2.Schar()， cv2.Laplacian()

梯度简单来说就是求导，OpenCV 提供了三种不同的梯度滤波器，或者说高通滤波器： Sobel，Scharr 和 Laplacian。

Sobel， Scharr 其实就是求一阶或二阶导数。

Scharr 是对 Sobel(使用小的卷积核求解求解梯度角度时)的优化。

Laplacian 是求二阶导数。

Sobel算子 cv2.Sobel()

dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])

前四个是必须的参数：

src参数是需要处理的图像；

ddepth参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；

dx和dy表示的是求导的阶数，0表示这个方向上没有求导，一般为0、1、2。

其后是可选的参数：

ksize是Sobel算子的大小，必须为1、3、5、7。

scale是缩放导数的比例常数，默认情况下没有伸缩系数；

delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；

borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

Sobel算子是高斯平滑与微分操作的结合体，所以它的抗噪声能力很好，可以设定求导的方向(xorder 或 yorder)，还可以设定使用的卷积核的大小(ksize)，如果 ksize=-1，会使用 3x3 的 Scharr 滤波器，它的的效果要比 3x3 的 Sobel 滤波器好(而且速度相同，所以在使用 3x3 滤波器时应该尽量使用 Scharr 滤波器)。

%matplotlib inline