opencv-python(12):图像梯度（高通滤波）

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

Sobel,scharr其实是求一阶或者二阶导数。scharr是对Sobel（使用小的卷积和求解梯度角度）的优化。Laplacian是求二阶导数。

Sobel算子

Sobel算子依然是一种过滤器，只是其是带有方向的。在OpenCV-Python中，使用Sobel的算子的函数原型如下：

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

函数返回其处理结果。

前四个是必须的参数：

• 第一个参数是需要处理的图像；
• 第二个参数是图像的深度，-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：

• dst不用解释了；
• ksize是Sobel算子的大小，必须为1、3、5、7。  ksize=-1时，会用3x3的Scharr滤波器，它的效果要比3x3的Sobel滤波器要好
• 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。

代码：

import numpy as np
import cv2
img=cv2.imread('C:\\Users\\WLX\\Desktop\\19.jpg',cv2.IMREAD_COLOR)
x=cv2.Sobel(img,cv2.CV_16S,1,0)
y=cv2.Sobel(img,cv2.CV_16S,0,1)
absx=cv2.convertScaleAbs(x)
absy=cv2.convertScaleAbs(y)
dist=cv2.addWeighted(absx,0.5,absy,0.5,0)
cv2.imshow('y',absy)
cv2.imshow('x',absx)
cv2.imshow('dsit',dist)
cv2.waitKey(0)
cv2.destroyAllWindows()

解释

在Sobel函数的第二个参数这里使用了cv2.CV_16S。因为OpenCV文档中对Sobel算子的介绍中有这么一句：“in the case of 8-bit input images it will result in truncated derivatives”。即Sobel函数求完导数后会有负值，还有会大于255的值。而原图像是uint8，即8位无符号数，所以Sobel建立的图像位数不够，会有截断。因此要使用16位有符号的数据类型，即cv2.CV_16S。

在经过处理后，别忘了用convertScaleAbs()函数将其转回原来的uint8形式。否则将无法显示图像，而只是一副灰色的窗口。convertScaleAbs()的原型为：

dst = cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])

其中可选参数alpha是伸缩系数，beta是加到结果上的一个值。结果返回uint8类型的图片。

结果：

absx:

absy:

Laplacian算子

图像中的边缘区域，像素值会发生“跳跃”，对这些像素求导，在其一阶导数在边缘位置为极值，这就是Sobel算子使用的原理——极值处就是边缘。

如果对像素值求二阶导数，会发现边缘处的导数值为0。如下（下图来自OpenCV官方文档）：

Laplace算子的函数原型如下：

dst = cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])  

前两个是必须的参数：

• 第一个参数是需要处理的图像；
• 第二个参数是图像的深度，-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；

其后是可选的参数：

• dst不用解释了；
• ksize是算子的大小，必须为1、3、5、7。默认为1。
• 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

代码：

import numpy as np
import cv2
img=cv2.imread('C:\\Users\\WLX\\Desktop\\19.jpg',cv2.IMREAD_COLOR)
laplace=cv2.Laplacian(img,cv2.CV_16S,ksize=3)
laplacian=cv2.convertScaleAbs(laplace)
cv2.imshow('laplacian',laplacian)
cv2.waitKey(0)
cv2.imwrite('C:\\Users\\WLX\\Desktop\\laplacian.jpg',laplacian)
cv2.destroyAllWindows()

结果：