图像梯度-Sobel算子

形态学梯度：膨胀减去腐蚀
图像梯度：指边缘处产生的，常指二值图像中的黑白处。

dst = cv2.Sobel(src, ddepth, dx, dy, ksize)-----------白减去黑，或者黑减去白

ddepth:图像的深度，一般会写CV_64F，可以出现负数

dx和dy分别表示水平和竖直方向，水平：1,0（右边减左边）；竖直：0,1（下面减上面）；

ksize是Sobel算子的大小

两个方向的sobel算子如下所示，我们采用模板对原图像进行卷积运算，即某处的像素的8邻域的9个像素值分别与sobel算子进行相乘再加和得到该处的像素值，通过观察可知，Gx就是该像素右边的三个相邻像素减去左边的三个相邻像素，Gy就是上面的三个相邻像素减去下面的三个相邻像素。为什么有的是2，有的是1呢？这是因为sobel算子将与目标像素距离近的相邻像素（横着竖着方向）权值设为2，距离远的（斜着的对角线）设置为1，认为距离远的影响小，距离近的影响大。

原图：

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

白到黑是正数，黑到白就是负数了，所有的负数opencv默认会被截断成0，所以要取绝对值

（若不取绝对值，那么黑到白会是负数，opencv默认处理为0，图像此处边缘就无法显示。只显示一边的边缘，如上图）

sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx) -------------取绝对值

sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely) -------------取绝对值

分别计算x和y，再求和

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

不建议直接计算，如果像下面直接计算（直接写1,1），产生的梯度会不太连续，不如分开再加和效果好。（如下图）

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

完整代码：

import cv2
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inlinedef cv_imshow(name,img):cv2.imshow(name,img)cv2.waitKey(0)cv2.destroyAllWindows()
#分开计算再相加
img =cv2.imread('F://from 2to7 notebook//images//lena.jpg')
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_imshow('sobelxy',sobelxy)
#直接计算水平与竖直方向
sobelxy1=cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3)
sobelxy1=cv2.convertScaleAbs(sobelxy1)
cv_imshow('sobelxy1',sobelxy1)

图像梯度-Sobel算子相关推荐

OpenCV--033_2: 图像梯度--Sobel算子
索贝尔算子(Sobel operator) 主要用作边缘检测,在技术上,它是一离散性差分算子,用来运算图像亮度函数的灰度之近似值.在图像的任何一点使用此算子,将会产生对应的灰度矢量或是其法矢量. So ...
OpenCV-Python图像梯度 Sobel算子
图像的梯度计算的是图像变化的速度,对于边缘部分呢灰度值变换大,梯度值也大,相反则灰度值变化小,梯度值小 Sobel算子是一种离散的微分算子,该算子结合了高斯平滑处理和微分求导运算. 该算子利用局部差寻 ...
【OpenCV 例程200篇】64. 图像锐化——Sobel 算子
[OpenCV 例程200篇]64. 图像锐化--Sobel 算子欢迎关注『OpenCV 例程200篇』系列,持续更新中欢迎关注『Python小白的OpenCV学习课』系列,持续更新中 3 ...
python-opencv之图像梯度Sobel、Scharr、Laplacian算子边缘检测
Sobel算子是离散微分算子(discrete differentiation operator),用来计算图像灰度的近似梯度,梯度越大越有可能是边缘. Soble算子的功能集合了高斯平滑和微分求导 ...
图像梯度——Sobel算子和Laplacian算子
一.Sobel算子 1.定义 Sobel算子是一种离散的微分算子,结合了高斯平滑和微分求导运算,利用局部拆分寻找边缘,计算所得的是一个梯度的近似值. Sobel算子=|左-右|/|下-上| Schar ...
数字图像处理：（1）图像梯度以及算子应用
1.数学意义上的梯度在理解图像梯度是什么的时候,我们首先要回忆一下以前学习过得梯度是什么? 见链接: https://blog.csdn.net/m0_37957160/article/detail ...
11-图像梯度-Sobel算子
图像梯度是指图像某像素在x和y两个方向上的变化率(与相邻像素比较),是一个二维向量,由2个分量组成,X轴的变化.Y轴的变化 . 其中X轴的变化是指当前像素右侧(X加1)的像素值减去当前像素左侧(X减1 ...
[转]图像梯度：算子
0 定义本质上是用于卷积运算的模板,最终效果上是求得梯度.Roberts 算子,Sobel算子.Prewitt算子以及Laplace算子等.按功能分,上述算子都是求边缘检测的算子.如果按求导的阶数分 ...
matlab实现sobel边缘检测图像,基于Sobel算子图像边缘检测的MATLAB实现
<基于Sobel算子图像边缘检测的MATLAB实现>由会员分享,可在线阅读,更多相关<基于Sobel算子图像边缘检测的MATLAB实现(3页珍藏版)>请在人人文库网上搜索. 1 ...
OpenCV 图像梯度 Sobel、Scharr、Laplacian
概念: 梯度简单来说就是求导,在图像上表现出来的就是提取图像的边缘(不管是横向的.纵向的.斜方向的等等),所需要的无非也是一个核模板,模板的不同结果也不同.所以可以看到,所有的这些个算子函数,归结到底 ...

图像梯度-Sobel算子

图像梯度-Sobel算子相关推荐

最新文章

热门文章