OpenCV图像处理——图像梯度

总目录

图像处理总目录←点击这里

七、图像梯度

7.1、图像梯度-Sobel算子

原图
在这里插入图片描述

直接计算

不建议这么算

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

在这里插入图片描述

分别计算——合并

当前位置的像素值等于sobel算子与(当前位置与周边位置8个点)进行对应位置相乘并相加操作，作为当前位置的像素点
在这里插入图片描述
$G_x=\left( \begin{matrix} -1& 0& +1\\ -2& 0& +2\\ -1& 0& +1\\ \end{matrix} \right) *\left( \begin{matrix} p_1& p_2& p_3\\ p_4& p_5& p_6\\ p_7& p_8& p_9\\ \end{matrix} \right) =\left( p_3-p_1 \right) +\left( 2p_6-2p_4 \right) +\left( p_9-p_7 \right)$

dst = cv2.Sobel(src, ddepth, dx, dy, ksize)

ddepth:图像的深度（有可能负数，cv2.convertScaleAbs解决）
dx和dy分别表示水平和竖直方向
ksize是Sobel算子的大小（一般3X3）

Gx （右边减左边）cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)中1,0为取Gx

deep可能有负值，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，效果如下

img = cv2.imread('./image/pie.png',cv2.IMREAD_GRAYSCALE)
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')

在这里插入图片描述
deep的值要取绝对值cv2.convertScaleAbs，效果如下

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

在这里插入图片描述
Gy（下面减上面）cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3) 中为0,1为

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

在这里插入图片描述
Gx和Gy求和

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

在这里插入图片描述

应用

原图

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

在这里插入图片描述
Sobel算子，轮廓效果

img = cv2.imread('./image/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')

在这里插入图片描述

7.2、图像梯度-Scharr算子

cv2.Scharr(src, ddepth, dx, dy, ksize)

ddepth:图像的深度（有可能负数，cv2.convertScaleAbs解决）
dx和dy分别表示水平和竖直方向
ksize是Sobel算子的大小（一般3X3）

在这里插入图片描述

img = cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)
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) 
cv_show(scharrxy,'scharrxy')

在这里插入图片描述

7.3、图像梯度-laplacian算子

cv2.Scharr(src, ddepth, ksize)

ddepth:图像的深度（有可能负数，cv2.convertScaleAbs解决）
ksize是Sobel算子的大小（一般3X3）

laplacian = cv2.Laplacian(img,cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)
cv_show(laplacian,'laplacian')

在这里插入图片描述

7.4、图像梯度-对比

#不同算子的差异
img = cv2.imread('./image/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')