Python-Opencv中图像梯度【Sobel算子，Laplacian算子】

Python-Opencv中图像梯度【Sobel算子，Laplacian算子】

图像梯度

把图片想象成连续函数，因为边缘部分的像素值是与旁边像素明显有区别的，所以对图片局部求极值，就可以得到整幅图片的边缘信息了。不过图片是二维的离散函数，导数就变成了差分，这个差分就称为图像的梯度。

对于具体算子以及求导推导见此博文[https://blog.csdn.net/qq_18815817/article/details/78625845]

1.Sobel 算子

x方向Sobel算子

y方向Sobel算子

Sobel 代码实现

import cv2 as cv


def sobel_demo(image):
	# 由于进行对卷积核卷积后的结果值可能会超过八位，故需要设置数据的类型为cv.CV_32F
    grad_x = cv.Scharr(image, cv.CV_32F, 1, 0)
    grad_y = cv.Scharr(image, cv.CV_32F, 0, 1)
    # 线性变换转换输入数组元素成8位无符号整型
    gradx = cv.convertScaleAbs(grad_x)
    grady = cv.convertScaleAbs(grad_y)
    cv.imshow("gradient-x", gradx)
    cv.imshow("gradient-y", grady)
	# 将x和y方向上的合在一起
    gradxy = cv.addWeighted(gradx, 1, grady, 1, 0)
    cv.imshow("gradxy", gradxy)


src = cv.imread("girl.jpg")
cv.imshow("girl", src)
sobel_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

图2，3，4分别是对应X，Y，X和Y整体方向梯度的图，图2可能明确看到水平方向让的边缘，图3可以看到竖直方向上的边缘。

Laplacian算子

Laplacian算子则是进行求二阶导的结果的算子。

这就是Laplacian算子的图像卷积模板，有些资料中在此基础上考虑斜对角情况，将卷积核拓展为：

Laplacian代码实现

import cv2 as cv

def laplacian_demo(image):
    dst = cv.Laplacian(image, cv.CV_32F)
    lpls = cv.convertScaleAbs(dst)
    cv.imshow("laplacian_demo", lpls)

src = cv.imread("girl.jpg")
cv.imshow("girl", src)
laplacian_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

自定义卷积核

代码实现

import cv2 as cv
import numpy as np

def laplacian_demo(image):
    kernel = np.array([[0, 1, 0], [1, -4, 1], [0, 1, 0]])
    dst = cv.filter2D(image, cv.CV_32F, kernel = kernel)
    lpls = cv.convertScaleAbs(dst)
    cv.imshow("laplacian_demo", lpls)

src = cv.imread("girl.jpg")
cv.imshow("girl", src)
# sobel_demo(src)
laplacian_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

初学Opencv，如有错误地方和改进地方，真诚地邀请您提出来，谢谢！

本文结束…