python opencv 图片梯度

# OpenCV提供了三种类型的梯度过滤器或者高通滤波器，Sobel，Scharr和Laplacian

cv2.CV_16S

# Sobel算子 
 
# Sobel算子依然是一种过滤器，只是其是带有方向的。在OpenCV-Python中， 
# 使用Sobel的算子的函数原型如下： 
# dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]]) 
# ksize是Sobel算子的大小，必须为1、3、5、7。 
# scale是缩放导数的比例常数，默认情况下没有伸缩系数； 
# delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中； 
# borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('black_white2.jpg',0)
  
  
'''
在Sobel函数的第二个参数这里使用了cv2.CV_16S。因为OpenCV文档中对Sobel算子的介绍 
中有这么一句：Sobel函数求完导数后会有负值，还有会大于255的值。而原图像是uint8， 
即8位无符号数，所以Sobel建立的图像位数不够，会有截断。 
因此要使用16位有符号的数据类型，即cv2.CV_16S。 
'''  
x=cv2.Sobel(img,cv2.CV_16S,1,0,ksize=3)#对x求导  
y=cv2.Sobel(img