图像梯度

图像梯度
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
相反,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。
图像梯度计算需要求导数,但是图像梯度一般通过计算像素值的差来得到梯度的近似值(近似导数值)。(差分,离散)

Sobel算子

 1 #Sobel算法
 2 #dst =  cv2.sobel(src,depth,dx,dy,ksize)
 3 #depth:深度
 4 #dx和dy分别表示水平和竖直方向
 5 #ksize:sobel的算子大小
 6 #cv2.CV_64F,因为在计算梯度的时候会涉及到负值,如果单纯设置为-1,则会把负值改为0,显然是不符合梯度要求的,
 7 #所以一般设置为cv2.cv_64f返回结果就可以是64位的一个数值,就是[-255, 255],
 8 #这样如果出现负梯度,我们就把负梯度也保留了
 9 
10 sobelX = cv2.Sobel(img,cv2.CV_64F,1,0,3)
11 #白->黑是正数 相反是负数,会被截断为0  ,此时我们再用cv2.convertScaleAbs()函数把负梯度变正,就是我们的边缘信息了
12 sobelX = cv2.convertScaleAbs(sobelX)
13 Cv_Show('SobelX Picture',sobelX)
14 
15 #sobelY同理
16 sobelY = cv2.Sobel(img,cv2.CV_64F,0,1,3)
17 sobelY = cv2.convertScaleAbs(sobelY)
18 Cv_Show('SobelY Picture',sobelY)
19 
20 #将sobelX 和 sobelY通过cv2.addweighted()综合
21 sobelXY = cv2.addWeighted(sobelX, 0.5, sobelY, 0.5, 0)
22 Cv_Show('SobelXY Picture',sobelXY)
23 
24 #如果直接求和 效果将会变差 出现重影等现象 故不建议
25 dirXY = cv2.Sobel(img,cv2.CV_64F,1,1,3)
26 dirXY = cv2.convertScaleAbs(dirXY)
27 Cv_Show('DirXY Picture',dirXY)

Scharr算子

1 #思想与sobel相同但是数值更大,相比于sobel对边缘更加敏感
2 scharrX = cv2.Scharr(img,cv2.CV_64F,1,0)
3 scharrY = cv2.Scharr(img,cv2.CV_64F,0,1)
4 scharrX = cv2.convertScaleAbs(scharrX)
5 scharrY = cv2.convertScaleAbs(scharrY)
6 scharrXY = cv2.addWeighted(scharrX,0.5,scharrY,0.5 ,0)
7 Cv_Show('Scharr Picture',scharrXY)

Laplacian算子

#Laplacian算子
##Sobel算子和Scharr算子相当于一阶导,而Laplacian算子则涉及了二阶导,但受噪音影响比较大,不建议直接使用 需要和其他工具配合
laplacian = cv2.Laplacian(img,Cv_Show)
laplacian = cv2.convertScaleAbs(laplacian)
Cv_Show('laplacian Picture',laplacian)

比较

1 res = np.hstack((sobelXY,scharrXY,laplacian))
2 Cv_Show('Sobel Scharr Laplacian Picture',res)

 

热门相关:骑士归来   薄先生,情不由己   寂静王冠   名门天后:重生国民千金   战神