Python——OpenCV库的学习（九）：图像梯度

笔记和用法都在代码注释中 ：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt


#---------------------------------彩色图像进行梯度运算之后，十分辣眼睛！！！
# img = cv.imread('666.jpg')
# img = cv.resize(img,(500,500))
#
# #-------------------格式： sobelx = cv.Sobel(img,ddepth,dx,dy,ksize = 3)
# ============================ksize是Sobel算子的大小
# ============================ddepth是图像的深度

#-------------------------注意计算形式！！！  （右减左，下减上！！！）
#当dx为0，dy为1时，为垂直计算 ： 下 - 上 ！！！
#当dx为1，dy为0时，为水平计算 ： 右边-左边   （图像矩阵中：右边-左边）
#并且计算的内容，类似于高斯计算，离得像素点越近的数值，就越大！！！
# --------------------------------------重点：因为是减法，那么就不免有负数，所以我们后面需要进行绝对值处理！！！


# sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize = 3)  #现在dx为1，dy为0，则是代表进行水平计算
#
# cv.imshow('sobelx',sobelx)
# cv.waitKey(0)
# cv.destroyAllWindows()

#---------------------------------进行绝对值处理的 ： 黑白图像 ( 这样就看着比较顺眼了！！！ )
#
# img = cv.imread('666.jpg',cv.IMREAD_GRAYSCALE)
# img = cv.resize(img,(500,500))
#
# #-------------------格式： sobelx = cv.Sobel(img,cv.CV_64F,dx,dy,ksize = 3)ksize是Sobel算子的大小
# sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize = 3)  #现在dx为1，dy为0，则是代表进行水平计算
#
# sobelx = cv.convertScaleAbs(sobelx)     #进行绝对值处理！！！
#
# cv.imshow('sobelx',sobelx)
# cv.waitKey(0)
# cv.destroyAllWindows()

# ---------------------------------------现在进行垂直计算：---------（与上图有区别，您细品）

# img = cv.imread('666.jpg',cv.IMREAD_GRAYSCALE)
# img = cv.resize(img,(500,500))
#
# #-------------------格式： sobelx = cv.Sobel(img,cv.CV_64F,dx,dy,ksize = 3)ksize是Sobel算子的大小
# sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize = 3)  #现在dx为0，dy为1，则是代表进行垂直计算
#
# sobely = cv.convertScaleAbs(sobely)     #进行绝对值处理！！！
#
# cv.imshow('sobely',sobely)
# cv.waitKey(0)
# cv.destroyAllWindows()

#--------------------------------------现在将水平和垂直融合在一起计算-------------（图像效果不太好！！！）
# （但是效果会叠加，不太好，建议：分别运算垂直和水平，然后在按照我们想要的效果进行加减法！！
# 或者是去 ： 融合图像！！！（前面的操作有融合图像的操作！！））

# img = cv.imread('666.jpg',cv.IMREAD_GRAYSCALE)
# img = cv.resize(img,(500,500))
#
# #----------格式： sobelx = cv.Sobel(img,cv.CV_64F,dx,dy,ksize = 3)ksize是Sobel算子的大小
# sobelxy = cv.Sobel(img,cv.CV_64F,1,1,ksize = 3)  #现在dx为1，dy为1，则是代表进行水平垂直一起计算！！！
# 
# sobelxy = cv.convertScaleAbs(sobelxy)     #进行绝对值处理！！！
#
# cv.imshow('sobelxy',sobelxy)
# cv.waitKey(0)
# cv.destroyAllWindows()


#-------------------------------所以： 我们进行分别操作，然后融合图像！！！！！-----------

# img = cv.imread('666.jpg',cv.IMREAD_GRAYSCALE)
# img = cv.resize(img,(500,500))
#
# #----------格式： sobelx = cv.Sobel(img,cv.CV_64F,dx,dy,ksize = 3)ksize是Sobel算子的大小
# sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize = 3)  #现在dx为1，dy为0，则是代表进行水平计算！！！
# sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize = 3)  #现在dx为0，dy为1，则是代表进行垂直计算！！！
# sobelx = cv.convertScaleAbs(sobelx)     #进行绝对值处理！！！
# sobely = cv.convertScaleAbs(sobely)     #进行绝对值处理！！！
#
# sobelxy = cv.addWeighted(sobelx,0.5,sobely,0.5,0)
#
# cv.imshow('sobelxy',sobelxy)
# cv.waitKey(0)
# cv.destroyAllWindows()

#还有的算子： Scharr算子，laplacian算子

#接下来 ： ----------------------------------------进行比较！！！！
img = cv.imread('666.jpg',cv.IMREAD_GRAYSCALE)
img = cv.resize(img,(500,500))

#----------- sobel算子！！！ -----------
sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize = 3)  #现在dx为1，dy为0，则是代表进行水平计算！！！
sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize = 3)  #现在dx为0，dy为1，则是代表进行垂直计算！！！
sobelx = cv.convertScaleAbs(sobelx)     #进行绝对值处理！！！
sobely = cv.convertScaleAbs(sobely)     #进行绝对值处理！！！
sobelxy = cv.addWeighted(sobelx,0.5,sobely,0.5,0)

#----------- scharr算子！！！ -----------(更容易受噪音点影响！！！)对像素点更加敏感，把图像描绘得更加细致！！！
scharrx = cv.Scharr(img,cv.CV_64F,1,0)
scharry = cv.Scharr(img,cv.CV_64F,0,1)
scharrx = cv.convertScaleAbs(scharrx)     #进行绝对值处理！！！
scharry = cv.convertScaleAbs(scharry)     #进行绝对值处理！！！
scharrxy = cv.addWeighted(scharrx,0.5,scharry,0.5,0)

#----------- laplacian算子！！！ -----------(操作更简单！！！)
laplacian = cv.Laplacian(img,cv.CV_64F)
laplacian = cv.convertScaleAbs(laplacian)

#--------------------------------------------------三张图一起打印，看看效果！！！
# res = np.hstack((sobelxy,scharrxy,laplacian))
#
# cv.imshow('res',res)
# cv.waitKey(0)
# cv.destroyAllWindows()


# --------------------------------边缘检测！！！综合了前面几种的情况！！（Canny边缘检测！！！）
img = cv.imread('666.jpg')
img = cv.resize(img,(500,500))

v1 = cv.Canny(img,80,150)  #更改数值，体验不同效果！！！
v2 = cv.Canny(img,50,100)  #数值越小， 那么显示得越详细！！！

res = np.hstack((v1,v2))

cv.imshow('res',res)
cv.waitKey(0)
cv.destroyAllWindows()