OpenCV自学笔记十三：图像梯度

目录

1、Sobel算子及函数使用

2、Scharr算子及函数使用

3、Lapiacian算子及函数使用

---

1、Sobel算子及函数使用

Sobel算子是一种常用于图像边缘检测的算法，它利用了图像中像素灰度值的变化来寻找边缘。在OpenCV中，可以使用函数cv2.Sobel()来实现Sobel算子的功能。

下面是一个示例代码，展示了如何使用Sobel算子进行图像边缘检测：

import cv2

import numpy as np

# 读取图像

img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 对图像应用Sobel算子

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

sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)

# 将结果转换为无符号8位整型

sobelx = cv2.convertScaleAbs(sobelx)

sobely = cv2.convertScaleAbs(sobely)

# 合并x和y方向的梯度

gradient = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)

# 显示结果

cv2.imshow("Sobel", gradient)

cv2.waitKey(0)

cv2.destroyAllWindows()

在这个示例中，我们首先读取一张灰度图像，然后分别应用Sobel算子的x和y方向的核，通过`cv2.Sobel()`函数实现。第二个参数`cv2.CV_64F`指定了输出图像的深度。ksize参数指定了Sobel算子的大小，这里设为3表示使用3x3的核。

最后，我们将x和y方向的梯度图像合并起来，并通过`cv2.addWeighted()`函数进行加权融合。最后，将结果通过`cv2.imshow()`显示出来。

需要注意的是，Sobel算子对噪声比较敏感，所以在应用之前，可以先对图像进行平滑处理，例如使用高斯模糊 (`cv2.GaussianBlur()`) 函数。

2、Scharr算子及函数使用

Scharr算子是一种常用于图像边缘检测的算法，它与Sobel算子类似，但具有更好的性能。在OpenCV中，可以使用函数cv2.Scharr()来实现Scharr算子的功能。

下面是一个示例代码，展示了如何使用Scharr算子进行图像边缘检测：

import cv2

import numpy as np

# 读取图像

img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 对图像应用Scharr算子

scharrx = cv2.Scharr(img, cv2.CV_64F, 1, 0)

scharry = cv2.Scharr(img, cv2.CV_64F, 0, 1)

# 将结果转换为无符号8位整型

scharrx = cv2.convertScaleAbs(scharrx)

scharry = cv2.convertScaleAbs(scharry)

# 合并x和y方向的梯度

gradient = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)

# 显示结果

cv2.imshow("Scharr", gradient)

cv2.waitKey(0)

cv2.destroyAllWindows()

在这个示例中，我们首先读取一张灰度图像，然后分别应用Scharr算子的x和y方向的核，通过`cv2.Scharr()`函数实现。第二个参数`cv2.CV_64F`指定了输出图像的深度。

接着，将x和y方向的梯度图像通过`cv2.convertScaleAbs()`函数转换为无符号8位整型。

最后，将x和y方向的梯度图像合并起来，并通过`cv2.addWeighted()`函数进行加权融合。最后，将结果通过`cv2.imshow()`显示出来。

与Sobel算子类似，Scharr算子也对噪声比较敏感，所以在应用之前，可以先对图像进行平滑处理，例如使用高斯模糊 (`cv2.GaussianBlur()`) 函数。

3、Lapiacian算子及函数使用

Laplacian（拉普拉斯）算子是一种常用于图像边缘检测的算法，它可以提取图像中的二阶导数信息，从而寻找图像中的边缘。在OpenCV中，可以使用函数cv2.Laplacian()来实现Laplacian算子的功能。下面是一个示例代码，展示了如何使用Laplacian算子进行图像边缘检测：

import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 对图像应用Laplacian算子
laplacian = cv2.Laplacian(img, cv2.CV_64F)

# 将结果转换为无符号8位整型
laplacian = cv2.convertScaleAbs(laplacian)

# 显示结果
cv2.imshow("Laplacian", laplacian)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先读取了一张灰度图像，然后应用Laplacian算子，通过`cv2.Laplacian()`函数实现。第二个参数`cv2.CV_64F`指定了输出图像的深度。

接下来，将Laplacian算子的结果通过`cv2.convertScaleAbs()`函数转换为无符号8位整型。

最后，使用`cv2.imshow()`显示结果。

需要注意的是，Laplacian算子对噪声比较敏感，因此在应用之前，可以先对图像进行平滑处理，例如使用高斯模糊（`cv2.GaussianBlur()`）函数。