2024年大数据最新OpenCV图像处理入门_opencv alpha和beta(1)，阿里P7大牛亲自讲解

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

P5y=(p7-p1)+2*(p8-p2)+(p9-p3)
下一行像素值减去上一行像素值，中间列参数稍大为2
然后我们计算了一个近似梯度值：
G= 根号（𝐺𝑥2 + 𝐺𝑦2）
简化版本就是：
G=|𝐺𝑥|+| 𝐺𝑦|

这中心点的P5的Sobel算子就是按照这个方式进行计算。
对于P5点完成的Sobel算子计算就是这样：

那么好，我们来看一下在python中对于Sobel是一个什么样的函数：

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

其中src表示原始图像，ddeph表示图像的深度，那么我们一般设定为-1，用来表示和原图像保持一致。dx，dy表示x轴的方向或者y轴的方向，ksize表示核大小。
其中我们在已经知道的256色位图中，白色点像素值255，黑色点像素值0。
这里对于dx，dy方向为什么我们取绝对值进行一下解答，因为加入一块黑块在一个白色背景下，那么我们在水平方向上，左侧那么得到的数值就是一个负数，对于右侧那么我们得到的是就是一个正常的正数，那么对于OpenCV来说，当我们没有加绝对值得时候如果出现了负数，统一处理成0。

根据图我们就可以知道，左侧的线被OpenCV处理成了0。所以我们这里要加上一个绝对的运算。无论对于水平方向还是垂直方向都是如此。
然后我们要将原始图像处理成256为的色位图。其函数是：

dst = cv2.convertScaleAbs( src [, alpha[, beta]] )

目标图像=调整（原始图像*alpha+beta）
其中alpha和beta可以理解为权重的意思。
当我们想要计算水平方向上的Sobel算子的时候，那么我们就设定函数中的参数dx=1，dy=0.对于垂直方向也是如此。那么这里我们就会想：如果我们两个方向都一起设置这样是不是比计算完x的方向然后计算y方向，然后进行结合这样是不是更加的方便一些呢？也就是说下图中的方式一比方式二更加的简介方便呢？