一、兩種算子

一階導(dǎo)數(shù)—Sobel算子

水平梯度：

垂直梯度：

最終圖像梯度：

二階導(dǎo)數(shù)—Laplacian算子

在二階導(dǎo)數(shù)的時(shí)候，最大變化處的值為零，即邊緣是零值。
常見(jiàn)的拉普拉斯算子：、其所有元素之和為零。

二、Sobel算子

cv2.Sobel(image,cv2.CV_32F,1,0)image為代求的圖像；CV_32F為圖像的深度(32為float類(lèi)型)，255肯定不夠，故選擇大點(diǎn)
cv2.convertScaleAbs(grad_x)將計(jì)算出來(lái)的正負(fù)數(shù)全部轉(zhuǎn)換為正值，然后轉(zhuǎn)換到8位的圖像上去

import cv2 import numpy as np from matplotlib import pyplot as pltdef sobel(image):grad_x = cv2.Sobel(image,cv2.CV_32F,1,0)grad_y = cv2.Sobel(image,cv2.CV_32F,0,1)gradx = cv2.convertScaleAbs(grad_x)grady = cv2.convertScaleAbs(grad_y)cv2.imshow("gradient-x",gradx)cv2.imshow("gradient-y",grady)gradxy = cv2.addWeighted(gradx,0.5,grady,0.5,0)cv2.imshow("gradient",gradxy)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\a1.jpg") cv2.imshow("image",src) cv2.namedWindow("image",cv2.WINDOW_AUTOSIZE) sobel(src)cv2.waitKey(0) cv2.destroyAllWindows()

效果圖如下：

三、Scharr算子(Sobel算子的增強(qiáng)版)，但對(duì)噪聲更加敏感

import cv2 import numpy as np from matplotlib import pyplot as pltdef sobel(image):grad_x = cv2.Scharr(image,cv2.CV_32F,1,0)grad_y = cv2.Scharr(image,cv2.CV_32F,0,1)gradx = cv2.convertScaleAbs(grad_x)grady = cv2.convertScaleAbs(grad_y)cv2.imshow("gradient-x",gradx)cv2.imshow("gradient-y",grady)gradxy = cv2.addWeighted(gradx,0.5,grady,0.5,0)cv2.imshow("gradient",gradxy)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\a1.jpg") cv2.imshow("image",src) cv2.namedWindow("image",cv2.WINDOW_AUTOSIZE) sobel(src)cv2.waitKey(0) cv2.destroyAllWindows()

效果圖如下：

四、Laplacian算子(直接調(diào)用API)

import cv2 import numpy as np from matplotlib import pyplot as pltdef lapalian(image):dst = cv2.Laplacian(image,cv2.CV_32F)lpls = cv2.convertScaleAbs(dst)cv2.imshow("lapalian",lpls)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\a1.jpg") cv2.imshow("image",src) cv2.namedWindow("image",cv2.WINDOW_AUTOSIZE) lapalian(src)cv2.waitKey(0) cv2.destroyAllWindows()

效果圖如下：

五、Laplacian算子(自定義卷積核)

import cv2 import numpy as np from matplotlib import pyplot as pltdef lapalian(image):#kernel = np.array([[1,1,1],[1,-8,1],[1,1,1]])kernel = np.array([[0,1,0],[1,-4,1],[0,1,0]])dst = cv2.filter2D(image,cv2.CV_32F,kernel=kernel)lpls = cv2.convertScaleAbs(dst)cv2.imshow("lapalian",lpls)src = cv2.imread(r"G:\Juptyer_workspace\study\opencv\opencv3\a1.jpg") cv2.imshow("image",src) cv2.namedWindow("image",cv2.WINDOW_AUTOSIZE) lapalian(src)cv2.waitKey(0) cv2.destroyAllWindows()

效果圖如下：

總結(jié)

以上是生活随笔為你收集整理的十三、图像梯度的全部?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。