OpenCV(十四)：如何用OpenCV-python3实现Sobel算子

参考OpenCV官方文档

Sober算子：高斯平滑与微积分操作的结合体，它的抗噪声能力很好。
Scharr滤波器卷积核的x方向和y方向正好是行列互换的。
拉普拉斯算子可以使用二阶导数的形式定义,设其离散实现类似于二 阶 Sobel 导数。

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('35.jpg',0)#转灰度

# Laplacian算子
laplaction = cv2.Laplacian(img,cv2.CV_64F)

# Sobel算子
# img:原图像名称
# cv2.CV_64F: 图像深度，数据类型
# 1: dx =1 即对x轴求一阶导数
# 0: dy =0 即对y轴求0阶导数，即不求导
# 5: 核大小为5
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5) # 对x方向求一阶导数


sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5) # 对y方向求一阶导数

plt.subplot(2,2,1),plt.imshow(img,cmap='gray')
plt.title('Original'),plt.xticks([]),plt.yticks([]) 图
plt.subplot(2,2,2),plt.imshow(img,cmap='gray')
plt.title('Laplacian'),plt.xticks([]),plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx,cmap='gray')
plt.title('Sobel X'),plt.xticks([]),plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely,cmap='gray')
plt.title('Sobel Y'),plt.xticks([]),plt.yticks([])

plt.show()

效果图如下：