Sobel算子和Scharr算子
Sobel是高斯平滑与微分操作的结合体,所以它的抗噪声能力很好。OpenCV中提供:
cv2.Sobel(src,ddepth,dx,dy,dst=None,ksize=None,scale=None,delta=None,borderType=None)
注意:可以设定求导的方向(xorder或yorder),以及设定使用的卷积核的大小(ksize)。同时,如果ksize=-1,会默认使用Scharr滤波器,它的效果比你3×3的Sobel滤波器好(而且速度相同,所以在使用3×3滤波器时应该尽量使用Scharr滤波器)。
Laplacian算子
拉普拉斯算子可以用二阶导数的形式定义,假设其离散实现类似于二阶Sobel导数,事实上,OpenCV在计算拉普拉斯算子时直接调用Sobel算子。
实例:
import cv2
import numpy as np
import matplotlib.pyplot as plt
img=cv2.imread('pitt1.jpg',0)
laplacian=cv2.Laplacian(img,cv2.CV_64F,ksize=11)
sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=11)
sobely=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=11)
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()