opencv学习之：梯度运算（形态学方法，sobel，scharr，laplacian 算子）

import cv2
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as c
def cv_show(img):
    cv2.imshow("img",img)
    cv2.waitKey(0)
    
    
def cv_read(img_file,gray=True):
    if gray == True:
        return cv2.imread(img_file,0)
    else:
        return cv2.imread(img_file)

梯度运算

形态学中的梯度运算

• 使用 morphology 中的 MORPHO_GRADIENT
• 梯度运算就是用膨胀的图像减去腐蚀的图像，就可以获得原图像的边缘信息（梯度信息）

img_ = np.zeros((128,128,3)) * 255
img_[20:30,20:30] = 255
plt.imshow(img_)

kernel_gradient = np.ones((3,3),np.uint8)
gradient = cv2.morphologyEx(img_,cv2.MORPH_GRADIENT,kernel_gradient,iterations=1)

plt.imshow(gradient)

算子梯度计算

苏泊尔算子 sobel

'''CV_64F 代表的是结果保留正数也保留负数，因为按照 opencv 的设定，
负数会自动转换成 0，最大值超过 255 的也会自动转换成 255
1,0分别表示为 1 就是求 x 方向上的 sobel 算子，0表示暂时先不求 y 方向上的'''

sobelx = cv2.Sobel(img_,cv2.CV_64F,1,0,ksize=3)

plt.imshow(img_)

 '''只能得到一边的边界，因为苏泊尔算子相当于右边减左边，所以右边是 255 减 0 '''
plt.imshow(sobelx)

'''CV_64F 代表图中超出255的部分不会强制转成255，小于0的部分也不会强制设为 0'''
sobelx = cv2.Sobel(img_,cv2.CV_64F,1,0,ksize=3)
'''进行绝对值求算之后，就可以得到两边的边缘图'''
sobelx = cv2.convertScaleAbs(sobelx)
plt.imshow(sobelx)

sobely = cv2.Sobel(img_,cv2.CV_64F,0,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely)
plt.imshow(sobely)

sobel = cv2.addWeighted(sobelx,1,sobely,1,0)
plt.imshow(sobel)

'''直接算两个方向的梯度不建议这么做，更推荐单独算出 x y 方向，然后叠加起来 '''
sobel_ = cv2.Sobel(img_,cv2.CV_64F,1,1,ksize=3)
plt.imshow(sobel_)

Scharr 算子

laplacian 算子

• 二阶导数算子，对噪声更加敏感因此一般不单独使用，而是配合其他操作一起
  

三种算子比较

img_ = cv2.imread("../sample.jpg",cv2.IMREAD_GRAYSCALE)
cv_show(img_)

sobelx = cv2.Sobel(img_,cv2.CV_64F,1,0,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.Sobel(img_,cv2.CV_64F,0,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely)
sobel = cv2.addWeighted(sobelx,1,sobely,1,0)
cv_show(sobel)

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)
scharr = cv2.addWeighted(scharrX,1,scharrY,1,0)
cv_show(scharr)

laplacian = cv2.Laplacian(img_,cv2.CV_64F,ksize=3)
laplacian = cv2.convertScaleAbs(laplacian)
cv_show(laplacian)

• scharr 算子能捕捉到更丰富的梯度信息