13-opencv-python-图像梯度

目录

一、Sobel算子和Scharr算子

二、laplacian算子

---

图像梯度的原理：求导

Opencv提供了三种不同梯度的滤波器，或者说高通滤波器：Sobel，Scharr和Laplacian。

Sobel和Scharr是求一阶或二阶导数。Scharr是对Sobel（使用小的卷积核的优化），Laplacian是求二阶导数

一、Sobel算子和Scharr算子

Sobel算子是高斯平滑与微分操作的结合体，ta的抗噪音能力更好。可以设定求导的方向（xorder、yorder）还可以设定使用的卷积核的大小（ksize），如果ksize=-1，会使用3×3的Scharr滤波器，效果会更好，若速度相同，在使用3×3滤波器时候尽量使用Schaar

3×3的Schaar滤波器卷积核如下：

x方向

-3	0	3
-10	0	10
-3	0	3

y方向

-3	-10	-3
0	0	0
3	10	3

二、laplacian算子

拉普拉斯算子可以使用二阶导数的形式定义：

可假设其离散实现类似于Sobel导数，事实上Opencv在计算拉普拉斯算子时直接调用Sobel算子

拉普拉斯滤波器使用的卷积核：

使用以上三种滤波器对图片进行处理，卷积核使用5×5：

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

img = cv2.imread('flower.jpg',0)
laplacian = cv2.Laplacian(img, cv2.CV_64F)
sobelx = cv2.Sobel(img, cv2.CV_64F,1,0,ksize=5)
sobely = cv2.Sobel(img, cv2.CV_64F,0,1,ksize=5)

plt.subplot(221),plt.imshow(img,'gray'),plt.title('original')
plt.subplot(222),plt.imshow(laplacian,'gray'),plt.title('laplacian')
plt.subplot(223),plt.imshow(sobelx,'gray'),plt.title('sobelx')
plt.subplot(224),plt.imshow(sobely,'gray'),plt.title('sobely')

plt.show()

注意一下：我们可以通过设定参数-1来设定输出图像的深度（数据类型）与原图像保持一致，但是我们在代码中使用的是使用的确实cv2.CV_64F。在这里，想想一下，从黑到白的边界的导数是正数，那么从白到黑的边界的导数却是负数。如果原图像的深度是np.int8，所有的负值都被截断变为0。如果我们两种边界都想要检测到，最好的办法就是将输出的数据类型设置的更高，比如cv2.CV_16S等，取绝对值，然后再把它转回到cv2.CV_8U。

OK我们需要好好的了解一下这个参数：

参数含义：CV_(S|U|F)C 

• bit_depth 比特数：代表8bite、16bites、32bites、64bites。举个例子吧，比如说，如果你现在创建了一个存储，灰度图片的Mat对象，这个图像的大小为宽100，高100，那么，现在这张灰度图片中有10000个像素点，它每一个像素点在内存空间所占的空间大小是8bite，8位，所以它对应的就是CV_8。

• S|U|F：S--代表---signed int---有符号整形；U--代表--unsigned int--无符号整形；F--代表--float---------单精度浮点型

• C 一张图片的通道数： 1--灰度图片--单通道图像； 2--RGB彩色图像--3通道图像；3--带Alph通道的RGB图像--4通道图像