OpenCV计算图像梯度

文章目录

Sobel算子
Scharr算子
Laplacian算子
不同算子直接的比较

Sobel算子

如何理解梯度？
我们可以把梯度理解为一个图像的边界点。
如何计算梯度，我们可以之前定义kernel函数，对图像中的某一个点进行计算。同时我们还需要计算要从两个方向入手，1：水平计算；2：垂直计算。Sobel算子的计算公式如下如所示：
通过代码及展现形式可以更深入地了解用法：

#dst = cv2.Sobel(src, ddepth, dx, dy, ksize)
#src:图像
#ddepth:图像的深度
#dx和dy分别表示水平和竖直方向
#ksize是Sobel算子的大小def cv_show(img,name):cv2.imshow(name,img)cv2.waitKey()cv2.destroyAllWindows()
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
cv_show(sobelx,'sobelx')

为什么只显示了半边的边界呢？因为白到黑是正数，黑到白就是负数了，所有的负数会被截断成0，所以要取绝对值。优化代码如下：

sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
cv_show(sobelx,'sobelx')sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely)
cv_show(sobely,'sobely')

计算完x,y之后在进行相加操作：

#这里的0.5表示的是图像的权重，0表示表示的是偏置项，默认为0
sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
cv_show(sobelxy,'sobelxy')

这里不建议直接计算，这可能导致最后得到的梯度图像效果非常差，如下图所示：

sobelxy=cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3)
sobelxy = cv2.convertScaleAbs(sobelxy)
cv_show(sobelxy,'sobelxy')

实战一下，我继续使用Lena这个图像进行操作。

img = cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)
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)
sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
cv_show(sobelxy,'sobelxy')

Scharr算子

Scharr算子公式如下图所示：
相比较Sobel，Scharr算子距离点近的值很大，而距离较远的值相对较小，整体数值要比Sobel大，最终对计算结果的差异性会更明显。
使用的函数为cv2.Scharr，具体实现与Sobel类似。

Laplacian算子

Sobel算子是模拟一阶求导,导数越大的地方说明变换越明显,越有可能是边缘，而Laplacian使用到了二阶导（一阶导的变化率），虽然对于变化更敏感，但是同时会对噪音点也会更加敏感，反而影响了最终结果。所以需要配合其他工具一起使用才能得到更好的效果。
Laplacian矩阵公式如下图所示
使用的函数为cv2.Laplacian，这个函数无需考虑到X,Y，用上去更简单了。

不同算子直接的比较

我们继续使用Lena这个图片来进行操作

img = cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.convertScaleAbs(sobely)
sobelxy =  cv2.addWeighted(sobelx,0.5,sobely,0.5,0)  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)
scharrxy =  cv2.addWeighted(scharrx,0.5,scharry,0.5,0) laplacian = cv2.Laplacian(img,cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)   res = np.hstack((sobelxy,scharrxy,laplacian))
cv_show(res,'res')

从上面的图片我们可以到，相比于Sobel算子使用Scharr算子可以把本不是特别明显的边界也能展示出来。而拉普拉斯算子就好像有点拉胯了，当然它是需要配合其他工具一起使用的，效果才能更好。

OpenCV计算图像梯度相关推荐

使用Python，OpenCV计算图像直方图(cv2.calcHist)
使用Python,OpenCV计算图像直方图(cv2.calcHist 1. 效果图 2. 原理 2.1 什么是图像直方图? 2.2 计算直方图 2.3 可视化蒙版区域 3. 源码参考这篇博客将介 ...
基于OpenCV的图像梯度与边缘检测！
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货作者:姚童,Datawhale优秀学习者,华北电力大学严格的说,梯度计 ...
python怎么计算图像梯度_opencv python图像梯度实例详解
这篇文章主要介绍了opencv python图像梯度实例详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下一阶导数与Soble算子二阶导数与拉普 ...
Python+OpenCV：图像梯度
Python+OpenCV:图像梯度(Image Gradients) 理论 OpenCV提供了三种类型的梯度滤波器或高通滤波器,Sobel, Scharr和Laplacian. 1. Sobel和S ...
opencv 梯度幅值_基于OpenCV的图像梯度与边缘检测！
严格的说,梯度计算需要求导数.但是图像梯度的计算,是通过计算像素值的差得到梯度的近似值.图像梯度表示的是图像变化的速度,反映了图像的边缘信息. 边缘是像素值快速变化的地方.所以对于图像的边缘部分,其灰 ...
python图片相似度计算_python Opencv计算图像相似度过程解析
这篇文章主要介绍了python Opencv计算图像相似度过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下一.相关概念一般我们人区分谁是谁 ...
OpenCV之图像梯度
1. Sobel算子 OpenCV系列-本文底页有多个常用方法链接 1.1 Sobel介绍 cv2.Sobel(src, ddepth, dx, dy, ksize) ddepth:图像的深度 dx和 ...
python怎么计算图像梯度_Opencv-Python学习笔记十——图像梯度、边缘检测 Gradient, Edge Detection...
图像梯度边缘检测图像梯度,图像边界使用到的函数有: cv2.Sobel(), cv2.Schar(), cv2.Laplacian() 梯度简单来说就是求导,OpenCV 提供了三种不同的梯度滤 ...
使用OpenCV计算图像的轮廓矩的代码
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 轮廓矩用来干嘛?说实话,我是没有找到相关文章专门 ...

OpenCV计算图像梯度

文章目录

Sobel算子

Scharr算子

Laplacian算子

不同算子直接的比较

OpenCV计算图像梯度相关推荐

最新文章

热门文章