Python-OpenCV图像梯度算子

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()