python+opencv-15 图像梯度与边缘检测

图像梯度与边缘检测

图像梯度是一种描述图像像素之间差异的方法，可以作为图像的一种特征来表征图像。图像梯度计算的是图像的边缘信息，它能够反应图像像素变化的速度，如灰度值变化较大的地方，梯度值也较大。图像梯度就是指像素的一阶导数，在图像处理中可以通过计算像素值的差近似导数值。图像边缘是指灰度值发生急剧变化的地方，边缘检测的目的是在不破坏图像信息的条件下，减少图像的数据量，绘制出其边缘线图。

Soble算子

Soble算子一种离散型差分算子，用来运算图像灰度函数的梯度的近似值。Soble算子是典型的基于一阶导数的边缘监测算子，由于该算子中引入了类似局部平均的运算，因此对噪声具有平滑作用，能很好的消除噪声影响。
Soble算子包含两组$3\ast 3$的矩阵，分别为横向及纵向模板，将之与图像进行平面卷积，即可分别得出横向及纵向的灰度差分近似值。
Soble算子的水平方向的模板为：$$G_x=\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]\times src$$
Soble算子的垂直方向的模板为：$$G_y=\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]\times src$$

import cv2 as cv

image = cv.imread("lena.jpg", 0)

Sobelx = cv.Sobel(image, cv.CV_64F, 1, 0)
Sobelx = cv.convertScaleAbs(Sobelx)

Sobely = cv.Sobel(image, cv.CV_64F, 0, 1)
Sobely = cv.convertScaleAbs(Sobely)

Sobelxy = cv.Sobel(image, cv.CV_64F, 1, 1)
Sobelxy = cv.convertScaleAbs(Sobelxy)

Sobelxy_my = cv.addWeighted(Sobelx, 0.5, Sobely, 0.3, 0)

cv.imshow("image", image)
cv.imshow("Sobelx", Sobelx)
cv.imshow("Sobely", Sobely)
cv.imshow("Sobelxy", Sobelxy)
cv.imshow("Sobelxy_my", Sobelxy_my)

cv.waitKey()
cv.destroyAllWindows()

Scharr算子

Scharr算子可被视为Sobel算子的改进，具有与Sobel算子相同的计算速度，但是其精度更高。
Scharr算子由两个卷积核构成，且这两个卷积核不可分离。图像与水平方向的卷积运算反应垂直方向上的边缘强度，图像与垂直方向的卷积运算反应水平方向上的边缘强度。
s c h a r r x = [