图像梯度算子——Sobel/scharr/Laplacian

最新推荐文章于 2025-03-25 14:41:37 发布

Mr_Nobody17

最新推荐文章于 2025-03-25 14:41:37 发布

阅读量9.4k

点赞数 13

分类专栏： python OpenCV应用文章标签：算法深度学习机器学习

本文链接：https://blog.csdn.net/Mr_Nobody17/article/details/119989674

版权

本文详细介绍了图像梯度算子Sobel、Scharr和Laplacian在边界检测中的应用。Sobel算子通过X和Y方向的卷积核计算梯度，Scharr算子更灵敏，而Laplacian是二阶算子，直接计算完整边界。文中还提及了Opencv中函数的使用和测试结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.sobel算子

sobel算子可以计算图像梯度，计算图像梯度的作用是提取边界。

（1）X方向的梯度

以3x3的卷积核计算sobel算子为例：

图中左边就是计算水平梯度时的卷积核，简单来说就是右边减左边，权重由卷积核规定。

含义：当目标（P5点）右左两列差别特别大的时候，目标点的值会很大，说明该点为边界。

（2）Y方向的梯度

上图是计算垂直方向梯度的卷积核，如果在垂直方向上存在有较大的差值就说明存在有水平边界。

（3）注意&总结

a.水平梯度运算提取垂直方向的边界，垂直方向的梯度运算得到水平方向的边界。

b.Opencv默认的是截断的操作，即小于0按0算，大于255按255算。这样计算得到的图像可能会被削半，不合适，最好对于小于0的取绝对值，大于255的可按255算（最大的极差了）。

（4）总梯度

总梯度：

简化梯度：

（5）函数介绍

cv.Sobel(	
            src, 
            ddepth, 
            dx, 
            dy[, dst[, ksize[, scale[, delta[, borderType]]]]]	
) 

->	dst

Parameters

src input image.

dst output image of the same size and the same number of channels as src .

ddepth output image depth, see combinations; in the case of 8-bit input images it will result in truncated derivatives.

dx order of the derivative x.

dy order of the derivative y.

ksize size of the extended Sobel kernel; it must be 1, 3, 5, or 7.

scale optional scale factor for the computed derivative values; by default, no scaling is applied (see

最低0.47元/天解锁文章

src	input image.
dst	output image of the same size and the same number of channels as src .
ddepth	output image depth, see combinations; in the case of 8-bit input images it will result in truncated derivatives.
dx	order of the derivative x.
dy	order of the derivative y.
ksize	size of the extended Sobel kernel; it must be 1, 3, 5, or 7.
scale	optional scale factor for the computed derivative values; by default, no scaling is applied (see