OpenCV学习笔记13-图像梯度

OpenCV 提供了三种高通滤波器：Sobel, Scharr, Laplacian

---

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

img = cv2.imread('2.png', 0)

#cv2.CV_64F为输出图像的深度（数据类型）。
#可使用-1，表示与原图像保持一致（np.uint8），但容易丢失边界！
laplacian = cv2.Laplacian(img, cv2.CV_64F)
sobel_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=5)   #只在x方向求导，卷积核5*5
sobel_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=5)   #只在y方向求导，卷积核5*5
canny = cv2.Canny(img, 100, 200)

plt.subplot(3,2,1), plt.imshow(img, cmap='gray'), plt.title('Original')
plt.xticks([]), plt.yticks([])

plt.subplot(3,2,2), plt.imshow(laplacian, cmap='gray'), plt.title('laplacian')
plt.xticks([]), plt.yticks([])

plt.subplot(3,2,3), plt.imshow(sobel_x, cmap='gray'), plt.title('sobel_x')
plt.xticks([]), plt.yticks([])

plt.subplot(3,2,4), plt.imshow(sobel_y, cmap='gray'), plt.title('sobel_y')
plt.xticks([]), plt.yticks([])

plt.subplot(3,2,5), plt.imshow(canny, cmap='gray'), plt.title('canny')
plt.xticks([]), plt.yticks([])

plt.show()

---

---

特别提醒：

输出图像的深度（数据类型）可以设置为-1，从而与原图像保持一致。但我们为什么使用cv2.CV_64F呢？

想象一个从黑到白的边界的导数是整数，而一个从白到黑的边界点导数却是负数。如果原图像的深度的数据类型是np.int8 时，所有的负值都会被截断变成 0，换句话说就是把把边界丢失掉。

所以如果这两种边界你都想检测到，最好的的办法就是将输出的深度的数据类型设置的更高，比如 cv2.CV_16S， cv2.CV_64F 等。取绝对值然后再把它转回到 cv2.CV_8U。