目標(biāo)

在本章中，我們將學(xué)習(xí)：

• 查找圖像梯度，邊緣等
• 我們將看到以下函數(shù)：cv.Sobel()，cv.Scharr()，cv.Laplacian()等

理論

OpenCV提供三種類型的梯度濾波器或高通濾波器，即Sobel，Scharr和Laplacian。我們將看到他們每一種。

1. Sobel 和 Scharr 算子

Sobel算子是高斯平滑加微分運(yùn)算的聯(lián)合運(yùn)算，因此它更抗噪聲。逆可以指定要采用的導(dǎo)數(shù)方向，垂直或水平(分別通過(guò)參數(shù)yorder和xorder)。逆還可以通過(guò)參數(shù)ksize指定內(nèi)核的大小。如果ksize = -1，則使用3x3 Scharr濾波器，比3x3 Sobel濾波器具有更好的結(jié)果。請(qǐng)參閱文檔以了解所使用的內(nèi)核。

2. Laplacian 算子

它計(jì)算了由關(guān)系$Delta src = frac{partial ^2{src}}{partial x^2} + frac{partial ^2{src}}{partial y^2}$給出的圖像的拉普拉斯圖,它是每一階導(dǎo)數(shù)通過(guò)Sobel算子計(jì)算。如果ksize = 1,然后使用以下內(nèi)核用于過(guò)濾:

代碼

下面的代碼顯示了單個(gè)圖表中的所有算子。所有內(nèi)核都是5x5大小。輸出圖像的深度通過(guò)-1得到結(jié)果的np.uint8型。

import numpy as npimport cv2 as cvfrom matplotlib import pyplot as pltimg = cv.imread('dave.jpg',0)laplacian = cv.Laplacian(img,cv.CV_64F)sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize=5)plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray')plt.title('Original'), plt.xticks([]), plt.yticks([])plt.subplot(2,2,2),plt.imshow(laplacian,cmap = 'gray')plt.title('Laplacian'), plt.xticks([]), plt.yticks([])plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray')plt.title('Sobel X'), plt.xticks([]), plt.yticks([])plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray')plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])plt.show()

結(jié)果:

一個(gè)重要事項(xiàng)

在我們的最后一個(gè)示例中，輸出數(shù)據(jù)類型為cv.CV_8U或np.uint8。但這有一個(gè)小問(wèn)題。黑色到白色的過(guò)渡被視為正斜率(具有正值)，而白色到黑色的過(guò)渡被視為負(fù)斜率(具有負(fù)值)。因此，當(dāng)您將數(shù)據(jù)轉(zhuǎn)換為np.uint8時(shí)，所有負(fù)斜率均??設(shè)為零。簡(jiǎn)而言之，您會(huì)錯(cuò)過(guò)這一邊緣信息。

如果要檢測(cè)兩個(gè)邊緣，更好的選擇是將輸出數(shù)據(jù)類型保留為更高的形式，例如cv.CV_16S，cv.CV_64F等，取其絕對(duì)值，然后轉(zhuǎn)換回cv.CV_8U。下面的代碼演示了用于水平Sobel濾波器和結(jié)果差異的此過(guò)程。

import numpy as npimport cv2 as cvfrom matplotlib import pyplot as pltimg = cv.imread('box.png',0)# Output dtype = cv.CV_8Usobelx8u = cv.Sobel(img,cv.CV_8U,1,0,ksize=5)# Output dtype = cv.CV_64F. Then take its absolute and convert to cv.CV_8Usobelx64f = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)abs_sobel64f = np.absolute(sobelx64f)sobel_8u = np.uint8(abs_sobel64f)plt.subplot(1,3,1),plt.imshow(img,cmap = 'gray')plt.title('Original'), plt.xticks([]), plt.yticks([])plt.subplot(1,3,2),plt.imshow(sobelx8u,cmap = 'gray')plt.title('Sobel CV_8U'), plt.xticks([]), plt.yticks([])plt.subplot(1,3,3),plt.imshow(sobel_8u,cmap = 'gray')plt.title('Sobel abs(CV_64F)'), plt.xticks([]), plt.yticks([])plt.show()

結(jié)果：

總結(jié)

以上是生活随笔為你收集整理的图像sobel梯度详细计算过程_OpenCV-Python 图像梯度 | 十八的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。