【OpenCV-Python】教程：3-6 图像梯度与边缘，Sobel、Scharr、Laplacian
OpenCV Python 图像梯度与边缘
【目标】
- 寻找图像的梯度、边缘等
sobel/Scharr/Laplacian
OpenCV提供3种梯度算子（高通滤波器），分别是Sobel、Scharr和Laplacian
【代码】
OpenCV 官网的代码和效果图片对应不上。
- CV_64F 的边缘图
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('sudoku.png',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(2, 2, 1), plt.imshow(img, cmap='gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(2, 2, 2), plt.imshow(laplacian, 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()
- CV_8U 的边缘图
import numpy as np
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('sudoku.png', 0)
scharr_x = cv2.Scharr(img, cv2.CV_8U, 1, 0)
scharr_y = cv2.Scharr(img, cv2.CV_8U, 0, 1)
laplacian = cv2.Laplacian(img, cv2.CV_8U)
sobelx = cv2.Sobel(img, cv2.CV_8U, 1, 0, ksize=5)
sobely = cv2.Sobel(img, cv2.CV_8U, 0, 1, ksize=5)
plt.subplot(2, 3, 1), plt.imshow(img, cmap='gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(2, 3, 2), plt.imshow(sobelx, cmap='gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(2, 3, 3), plt.imshow(scharr_x, cmap='gray')
plt.title('scharr X'), plt.xticks([]), plt.yticks([])
plt.subplot(2, 3, 4), plt.imshow(laplacian, cmap='gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])
plt.subplot(2, 3, 5), plt.imshow(sobely, cmap='gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])
plt.subplot(2, 3, 6), plt.imshow(scharr_y, cmap='gray')
plt.title('scharr Y'), plt.xticks([]), plt.yticks([])
plt.show()
梯度计算时被截断了
import numpy as np
import cv2
from matplotlib import pyplot as plt
# img = cv2.imread('sudoku.png', 0)
img = cv2.imread('box.png', 0)
# Output dtype = cv2.CV_8U
sobelx8u = cv2.Sobel(img, cv2.CV_8U, 1, 0, ksize=5)
# Output dtype = cv2.CV_64F. Then take its absolute and convert to cv2.CV_8U
sobelx64f = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=5)
abs_sobel64f = np.absolute(sobelx64f)
sobel_8u = np.uint8(abs_sobel64f)
plt.subplot(1, 3, 1), plt.imshow(img, cmap='gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(1, 3, 2), plt.imshow(sobelx8u, cmap='gray')
plt.title('Sobel CV_8U'), plt.xticks([]), plt.yticks([])
plt.subplot(1, 3, 3), plt.imshow(sobel_8u, cmap='gray')
plt.title('Sobel abs(CV_64F)'), plt.xticks([]), plt.yticks([])
plt.show()
【接口】
- Sobel
void cv::Sobel ( InputArray src,
OutputArray dst,
int ddepth,
int dx,
int dy,
int ksize = 3,
double scale = 1,
double delta = 0,
int borderType = BORDER_DEFAULT
);
cv2.Sobel( src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]] ) -> dst
计算图像的一阶、二阶、三阶
Sobel梯度，当ksize=1时，使用 3x1 或者 1x3 的核；ksize=1时，只计算x方向或者y方向的一阶二阶梯度
- src: 输入图像
- dst: 输出图像，通道数和尺寸与源图像一致
- ddepth: 图像的深度，输入为8位，输出结果会截断
- dx:
x方向梯度值的阶数- dy:
y方向梯度值的阶数- ksize:
Sobel算子的Kernel尺寸，取值为1、3、5、7- scale: 可选的尺度参数，默认不选用
- delta: 可选的偏移参数，可以增强结果，默认不选用，
- borderType: 扩边类型，不支持
BORDER_WRAP
- dx = 1, dy = 0, ksize = 3
[ − 1 0 1 − 2 0 2 − 1 0 1 ] \begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix} ⎣⎡−1−2−1000121⎦⎤
-
dx = 0, dy = 1, ksize = 3
[ − 1 − 2 − 1 0 0 0 1 2 1 ] \begin{bmatrix} -1 & -2 & -1 \\ 0 & 0 & 0 \\ 1 & 2 & 1 \end{bmatrix} ⎣⎡−101−202−101⎦⎤ -
Laplacian
void cv::Laplacian ( InputArray src,
OutputArray dst,
int ddepth,
int ksize = 1,
double scale = 1,
double delta = 0,
int borderType = BORDER_DEFAULT
);
cv2.Laplacian( src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]] ) -> dst
计算图像的
Laplacian梯度
Laplacian是一个二阶导数算子
- src: 输入图像
- dst: 输出图像，通道数和尺寸与源图像一致
- ddepth: 图像的深度，输入为
8位，输出结果会截断- ksize:
Sobel算子的Kernel尺寸，取值为正奇数- scale: 可选的尺度参数，默认不选用
- delta: 可选的偏移参数，可以增强结果，默认不选用，
- borderType: 扩边类型，不支持
BORDER_WRAP
- ksize = 1时
[ 0 1 0 1 − 4 1 0 1 0 ] \begin{bmatrix} 0 & 1 & 0 \\ 1 & -4 & 1 \\ 0 & 1 & 0 \end{bmatrix} ⎣⎡0101−41010⎦⎤
- Scharr
void cv::Scharr ( InputArray src,
OutputArray dst,
int ddepth,
int dx,
int dy,
double scale = 1,
double delta = 0,
int borderType = BORDER_DEFAULT
);
cv2.Scharr( src, ddepth, dx, dy[, dst[, scale[, delta[, borderType]]]] ) -> dst
利用
Scharr算子计算图像的一阶X-,Y-方向的梯度；
- src: 输入图像
- dst: 输出图像，通道数和尺寸与源图像一致
- ddepth: 图像的深度，输入为8位，输出结果会截断
- dx:
x方向梯度值的阶数- dy:
y方向梯度值的阶数- scale: 可选的尺度参数，默认不选用
- delta: 可选的偏移参数，可以增强结果，默认不选用，
- borderType: 扩边类型，不支持
BORDER_WRAP
【参考】
- OpenCV 官方文档