咸鱼哥学python OpenCV之图像梯度算子-Sobel Scharr Laplacian

一、Sobel算子：下减上， 右减左

语法：

dst = cv.Sobel(img, ddepth=, dx=, dy=, ksize=)
# ddepth:图像深度
# dx,dy分别表示水平和垂直方向
# ksize是算子的大小

获取图像：

path = r'F:\Python_study\python_image\opencv\image\pie.png'
img = cv.imread(path,cv.IMREAD_GRAYSCALE)

定义一个展示函数

def cv_show(img, name):
    cv.imshow(name, img)
    cv.waitKey(0)
    cv.destroyAllWindows()

比如，原始图像：

使用X方向的计算结果：

dst_sobel_x = cv.Sobel(img, cv.CV_64F, 1,0, ksize=3)

原因解释：

为避免截断，使用绝对值方法

dst_sobel_x = cv.convertScaleAbs(dst_sobel_x)

得到结果如下：

# 权重相加
sobel_xy = cv.addWeighted(dst_sobel_x,0.5, dst_sobel_y, 0.5, 0)
cv_show(sobel_xy, ‘dst_sobel’)

二、Scharr算子

# Scharr算子-对结果更敏感
dst_scharr_X = cv.Scharr(img, cv.CV_64F, 1, 0)
dst_scharr_Y = cv.Scharr(img, cv.CV_64F, 1, 0)
dst_scharr_X = cv.convertScaleAbs(dst_scharr_X)
dst_scharr_Y = cv.convertScaleAbs(dst_scharr_Y)
dst_scharr = cv.addWeighted(dst_scharr_X, 0.5, dst_scharr_Y, 0.5, 0)

三、拉普拉斯算子
# 拉普拉斯算子-所有值相加等于0-对噪声敏感

# 拉普拉斯算子-所有值相加等于0-对噪声敏感
dst_laplacian = cv.Laplacian(img,cv.CV_64F)
laplacian = cv.convertScaleAbs(dst_laplacian)

为对比三种之间的区别，使用lena进行比对：
原来的lena:

res = np.hstack((sobel_xy, dst_scharr, laplacian))
cv_show(res, 'res')