圖像梯度是指圖像某像素在x和y兩個(gè)方向上的變化率（與相鄰像素比較），是一個(gè)二維向量，由2個(gè)分量組成，X軸的變化、Y軸的變化 。
其中X軸的變化是指當(dāng)前像素右側(cè)（X加1）的像素值減去當(dāng)前像素左側(cè)（X減1）的像素值。
同理，Y軸的變化是當(dāng)前像素下方（Y加1）的像素值減去當(dāng)前像素上方（Y減1）的像素值。

其實(shí)Sobel算子求梯度也是分為x軸方向和y軸方向，說(shuō)白了就是將一個(gè)卷積核進(jìn)行上下左右劃分，x軸方向上就是右?左，y軸方向上就是下?上

cv2.Sobel(img,cv2.CV_64F,1,0,ksize = 3)
第一個(gè)參數(shù)：當(dāng)前的圖像對(duì)象名稱
第二個(gè)參數(shù)：當(dāng)前圖像的深度，通常情況下指定為-1，表示輸出和輸入的深度是一樣的；cv2.CV_64F可以存6字節(jié)的大小，為了方便后面的取絕對(duì)值操作
第三個(gè)參數(shù)：是否算X軸的水平方向，若為1表示計(jì)算X軸方向，若為0表示不計(jì)算X軸方向
第四個(gè)參數(shù)：是否算Y軸的豎直方向，若為1表示計(jì)算Y軸方向，若為0表示不計(jì)算Y軸方向
第五個(gè)參數(shù)：ksize指定的卷積核是多大的，通常情況下都是奇數(shù)大小，例如：3×3的卷積核

import cv2 import numpy as npdef show_photo(name,picture):cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()#原圖： img = cv2.imread('E:\Jupyter_workspace\study\data/pie.png',cv2.IMREAD_GRAYSCALE) show_photo('img',img)#x軸方向 sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize = 3)#這里的CV_64F可以存儲(chǔ)的位數(shù)很多，以便于后續(xù)的取絕對(duì)值操作 show_photo('sobelx',sobelx) #由于右減左，下減上原則 #原圖左部分，右為圈內(nèi)白色左為圈外黑色，白-黑結(jié)果為正，顯示 #原圖右部分，右為圈外黑色左為圈內(nèi)白色，黑-白結(jié)果為負(fù)，不顯示#y軸方向 sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize = 3)#這里的CV_64F可以存儲(chǔ)的位數(shù)很多，以便于后續(xù)的取絕對(duì)值操作 show_photo('sobely',sobely) #由于右減左，下減上原則 #原圖下部分，下為圈內(nèi)白色上為圈外黑色，白-黑結(jié)果為正，顯示 #原圖上部分，下為圈外黑色上為圈內(nèi)白色，黑-白結(jié)果為負(fù)，不顯示

原圖：

白到黑是正數(shù)，黑到白是負(fù)數(shù)，所有的負(fù)數(shù)都被截?cái)酁?(顯示黑色)，也就是只顯示一半的輪廓

x軸方向取梯度：

y軸方向取梯度：

故此時(shí)需要進(jìn)行絕對(duì)值操作，為了將兩邊的輪廓都顯示出來(lái)

import cv2 import numpy as npdef show_photo(name,picture):#顯示圖像函數(shù)cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()#原圖： img = cv2.imread('E:\Jupyter_workspace\study\data/pie.png',cv2.IMREAD_GRAYSCALE) show_photo('img',img)#x軸方向，取絕對(duì)值 sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize = 3) sobelx = cv2.convertScaleAbs(sobelx)#取絕對(duì)值 show_photo('sobelx',sobelx)#y軸方向，取絕對(duì)值 sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize = 3) sobely = cv2.convertScaleAbs(sobely)#取絕對(duì)值 show_photo('sobely',sobely)#分別計(jì)算x和y，再求和 sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)#進(jìn)行加權(quán)后相加，最好一個(gè)參數(shù)表示偏移量，一般默認(rèn)為0 show_photo('sobelxy',sobelxy)#### 不建議直接計(jì)算，最后的效果并不是特別好 #### 需要求梯度的時(shí)候分別計(jì)算然后求和效果會(huì)好些 sobelxy = cv2.Sobel(img,cv2.CV_64F,1,1,ksize = 3) sobelxy = cv2.convertScaleAbs(sobelxy) show_photo('sobelxy',sobelxy)

原圖：

x軸方向，取絕對(duì)值：

y軸方向，取絕對(duì)值：

分別計(jì)算x和y，再求和：

直接計(jì)算：
不建議直接計(jì)算，最后的效果并不是特別好
需要求梯度的時(shí)候分別計(jì)算然后求和效果會(huì)好些

換一張照片來(lái)進(jìn)行梯度操作效果更明顯

import cv2 import numpy as npdef show_photo(name,picture):#顯示圖像函數(shù)cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()img = cv2.imread('E:\Jupyter_workspace\study\data/test1.png',cv2.IMREAD_GRAYSCALE) show_photo('img',img)#顯示原圖sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize = 3)#求X軸方向梯度 sobelx = cv2.convertScaleAbs(sobelx)#取絕對(duì)值 sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize = 3)#求Y軸方向梯度 sobely = cv2.convertScaleAbs(sobely)#取絕對(duì)值 sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)#加權(quán)相加 show_photo('sobelxy',sobelxy)#顯示整體梯度后的效果img = cv2.imread('E:\Jupyter_workspace\study\data/test1.png',cv2.IMREAD_GRAYSCALE) sobelxy = cv2.Sobel(img,cv2.CV_64F,1,1,ksize = 3)#X軸和Y軸同時(shí)求方向梯度 sobelxy = cv2.convertScaleAbs(sobelxy) show_photo('sobelxy',sobelxy)

原圖：

分別對(duì)X軸方向求梯度和Y軸方向求梯度，然后加權(quán)求和：

對(duì)X軸方向和Y軸方向同時(shí)求梯度：

總結(jié)：對(duì)X軸和Y軸分別計(jì)算其梯度，然后加權(quán)求和效果會(huì)好些

總結(jié)

以上是生活随笔為你收集整理的11-图像梯度-Sobel算子的全部?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。