opencv笔记（4）——图像梯度处理

图像梯度处理

一、图像梯度-Sobel算子

Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值

import cv2
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline  #专有魔法指令，即时显示

def cv_show(name,img):
	cv2.imshow(name,img)
	cv2.waitKey(0)
	cv2.destoryAllWindows()

img = cv2.imread('pie.png', cv2.IMREAD_GRAYSCALE)
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
cv_show(sobelx, 'sobelx')
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
sobely = cv2.convertScaleAbs(sobelx)
cv_show(sobely, 'sobelx')

# 分别计算x和y，再求和
sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
cv_show(sobelxy ,'sobelxy')

# 直接计算效果不好
sobelxy = cv2.Sobel(img, cv2.CV_64F, 1, 1, ksize=3)
sobelxy = cv2.convertScaleAbs(sobelxy)
cv_show(sobelxy ,'sobelxy')

白到黑是正数，黑到白就是复数了，所有的负数会被截断成0，所以要取绝对值

二、图像梯度-Scharr算子

img = cv2.imread('pie.png', cv2.IMREAD_GRAYSCALE)
scharrx = cv2.Scharr(img, cv2.CV_64F, 1, 0)
scharry = cv2.Scharr(img, cv2.CV_64F, 0, 1)
scharrx = cv2.convertScaleAbs(scharrx)
scharry = cv2.convertScaleAbs(scharry)
scharrxy = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)

三、图像梯度-laplacian算子

拉普拉斯算子对噪声较为敏感

img = cv2.imread('pie.png', cv2.IMREAD_GRAYSCALE)
laplacian = cv2.Laplacian(img, cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)

res = np.hstack((sobelxy, scharrxy, laplacian))
cv_show(res, 'res')

四、常用函数

• cv2.Sobel(img, ddepth, dx, dy,ksize)

   Sobel算子
   img：当前的图像；ddepth：图像的深度（一般为-1）；dx和dy分别表示水平和竖直方向；ksize：Soble算子的大小
  

• **cv2.Scharr(img, ddepth, dx, dy) **

   Scharr算子(能捕捉到更多的细节)
  

• **cv2.Laplacian(img, ddepth) **

   Laplacian算子(噪点影响很大)
  

• cv2.convertScaleAbs(sobelx)

   变为绝对值