opencv-python图像处理 ----图像梯度、Sobel算子

一、图像的梯度处理
1、Sobel算子
梯度可以按照x方向或者y方向求梯度，其实就是在看像素点的差异变化情况，比如黑白物体的交界，其像素值变化差异是非常大的。
求梯度计算使用的函数就叫做Sobel算子，可以分为水平梯度与竖直梯度。
简单点说，Sobel算子是一种特殊的卷积核，可以用于图像的边缘检测。自定义一个水平及竖直方向的sobel算子：

# 水平sobel算子
Sobel_x = np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]])
# 竖直方向的sobel算子
Sobel_y = np.array([[-1, -2, -1], [0, 0, 0], [1, 2, 1]])

可以看到使用sobel算子进行卷积计算的时候，就是将中间像素点的一圈像素进行相应的加减操作。
如果是位于同一颜色内的像素点进行卷积操作，那么运算结果就会等于0，因为左右值都是相同的。
opencv里的函数：

dst = cv.Sobel(src, ddepth, dx, dy, ksize)

ddepth:表示传入图像的深度（颜色通道个数）
src：传入图像
dx和dy分别表示水平方向和竖直方向
ksize:表示sobel算子的大小
cv.CV_64F：表示将运算结果使用更大的存储方式存储，因为可能出现负数
代码实现sobel算子：

def f_sobel():img = cv.imread("car_red.jpg", cv.IMREAD_GRAYSCALE)# 水平sobel算子Sobel_x = np.array([[-1, 0, 1],[-2, 0, 2],[-1, 0, 1]])# 竖直方向的sobel算子Sobel_y = np.array([[-1, 0, -2],[0, 0, 0],[1, 0, 2]])dst = cv.Sobel(img, cv.CV_64F, dx=1, dy=0, ksize=3)cv.imshow("zero", dst)cv.waitKey(0)cv.destroyAllWindows()

运行结果如图：

结果并不理想，这是由于右值减去左值的结果并不是一直为正，有的时候就负数，opencv会自动把负数进行截断取0操作，因此这个时候就要把负数改变为正数。

def f_sobel():img = cv.imread("car_red.jpg", cv.IMREAD_GRAYSCALE)# 水平sobel算子Sobel_x = np.array([[-1, 0, 1],[-2, 0, 2],[-1, 0, 1]])# 竖直方向的sobel算子Sobel_y = np.array([[-1, 0, -2],[0, 0, 0],[1, 0, 2]])dst = cv.Sobel(img, cv.CV_64F, 1, 0, ksize=3)# 这条代码将正负取绝对值dst = cv.convertScaleAbs(dst)cv.imshow("zero", dst)cv.waitKey(0)cv.destroyAllWindows()

边界比较清晰：

同时，使用水平或者竖直方向得到的结果也是有差异的。所以可以对水平方向和竖直方向都进行Sobel算子计算，然后将得到的两幅梯度图再进行相加，就可以得到完整的轮廓图像。
代码：

def f_sobel():img = cv.imread("car_red.jpg", cv.IMREAD_GRAYSCALE)# 水平sobel算子Sobel_x = np.array([[-1, 0, 1],[-2, 0, 2],[-1, 0, 1]])# 竖直方向的sobel算子Sobel_y = np.array([[-1, 0, -2],[0, 0, 0],[1, 0, 2]])dst_x = cv.Sobel(img, cv.CV_64F, 1, 0, ksize=3)dst_y = cv.Sobel(img, cv.CV_64F, 0, 1, ksize=3)dst_y = cv.convertScaleAbs(dst_y)dst_x = cv.convertScaleAbs(dst_x)dst = cv.addWeighted(dst_x, 0.5, dst_y, 0.5, 0)cv.imshow("zero", dst)cv.waitKey(0)cv.destroyAllWindows()

结果：

Scharr算子：与Sobel算子相比，数值更大，对结果的差异更加敏感。

laplacian算子：对噪音点更敏感

# 水平Scharr算子
Scharr = np.array([[-3, 0, 3],[-10, 0, 10],[-3, 0, 3]])
# laplacian算子
laplacian = np.array([[0, 1, 0],[1, -4, 1],[0, 1, 0]])

函数体：

# 参数与Sobel算子类似
cv2.Scharr(src, dx, dy....)
# 拉普拉斯算子不区分x, y方向。因此没有dx, dy参数
cv2.Laplacian(src...)

opencv-python图像处理 ----图像梯度、Sobel算子相关推荐

OpenCV+python：图像梯度
1,图像梯度的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(无论是横向的.纵向的.斜方向的等等),所需要的是一个核模板.模板的不同结果也不同.所以能够看到,全部的这些个算子函数,归 ...
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 for python的图像梯度算子以及canny边缘检测
opencv for python的图像梯度算子以及canny边缘检测一.图像梯度算子: 二.Canny边缘检测(一个多级边缘检测算法): 一.图像梯度算子: 1.概念简介(部分引自百度百科): 图 ...
【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 ...
Opencv（python）图像梯度和边缘检测算法
1.图像梯度图像梯度计算的是图像的边缘信息 ,图像梯度计算的是图像变化的速度.对于图像的边缘部分,其灰度值变化较大,梯度值也较大,对于图像中比较平滑的部分,其灰度值变化较小,相应的梯度值也较小.图像 ...
OpenCV中的图像处理 —— 图像梯度+Canny边缘检测+图像金字塔
OpenCV中的图像处理 -- 图像梯度+Canny边缘检测+图像金字塔目录 OpenCV中的图像处理 -- 图像梯度+Canny边缘检测+图像金字塔 1. 图像梯度 1.1 Sobel和Schar ...
Opencv Python图像处理进阶教程②
Opencv Python图像处理进阶教程概述: 代码: https://github.com/bai1231/opencv-learn_and_pratice 1. 图像卷积与应用图像去噪图像 ...
openCV—Python(6)—— 图像算数与逻辑运算
openCV-Python(6)-- 图像算数与逻辑运算一.函数简介 1.add-图像矩阵相加函数原型:add(src1, src2, dst=None, mask=None, dtype=Non ...
OpenCV python 提取图像内的三色
OpenCV python 提取图像内的三色原图 [opencv.jpg] import cv2 import numpy as npdef main():# 1.导入图片img_src = cv2 ...

opencv-python图像处理 ----图像梯度、Sobel算子

opencv-python图像处理 ----图像梯度、Sobel算子相关推荐

最新文章

热门文章