文章目录
- 梯度运算
-
- 形态学中的梯度运算
- 算子梯度计算
-
- 苏泊尔算子 sobel
- Scharr 算子
- laplacian 算子
- 三种算子比较
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_)
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第1张图片](http://img.e-com-net.com/image/info8/8692dfa48ea64716b4c1f05d9850f42d.jpg)
kernel_gradient = np.ones((3,3),np.uint8)
gradient = cv2.morphologyEx(img_,cv2.MORPH_GRADIENT,kernel_gradient,iterations=1)
plt.imshow(gradient)
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第2张图片](http://img.e-com-net.com/image/info8/edaa3ca4e5c44bf7bc5ef52ef0be7420.jpg)
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_)
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第3张图片](http://img.e-com-net.com/image/info8/3a2e301ecce84685a31ea7c06d36762d.jpg)
'''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)
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第4张图片](http://img.e-com-net.com/image/info8/e9f26ee9c0cb420a937eb2fc6a91122d.jpg)
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第5张图片](http://img.e-com-net.com/image/info8/347a004a2ec64ef98aee4dbae72e4dc9.jpg)
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第6张图片](http://img.e-com-net.com/image/info8/724d1745841f4aa0910bb763cf18e096.jpg)
'''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)
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第7张图片](http://img.e-com-net.com/image/info8/3afd884226ca4f658c8c6283ad8935f6.jpg)
sobely = cv2.Sobel(img_,cv2.CV_64F,0,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely)
plt.imshow(sobely)
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第8张图片](http://img.e-com-net.com/image/info8/b79ba3a0c1ee423bb5a3e4e943746a6a.jpg)
sobel = cv2.addWeighted(sobelx,1,sobely,1,0)
plt.imshow(sobel)
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第9张图片](http://img.e-com-net.com/image/info8/134f94b73ac14f359cd2c9c0014bdeb1.jpg)
'''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_)
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第10张图片](http://img.e-com-net.com/image/info8/f922486cadcc41698f97497d28d0f8c4.jpg)
Scharr 算子
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第11张图片](http://img.e-com-net.com/image/info8/f95c667321314f82a51300649469f76c.jpg)
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
![opencv学习之:梯度运算(形态学方法,sobel,scharr,laplacian 算子)_第12张图片](http://img.e-com-net.com/image/info8/b552e7625d314d27bac2fe945e748540.jpg)
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)