图像梯度与canny边缘检测
图像梯度
图像梯度计算的是图像变化的速度,对于图像的边缘部分,其灰度值变化较大,梯度值也较大;相反,对于图像中比较平滑的部分,其灰度值变化较小,相应的梯度值也较小。一般情况下,图像梯度计算的是图像的边缘信息。
Sobel算子
import cv2
import numpy as np
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey()
cv2.destroyAllWindows()
img = cv2.imread('yuan.png',cv2.IMREAD_GRAYSCALE)
cv_show("yuan",img)
将Sobel算子与原始图像src进行卷积计算,可以计算水平方向上的像素值变化情况。
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
#因为右侧像素减去左边像素,存在负值的情况,因此使用cv2.convertScaleAbs取绝对值操作
sobelx = cv2.convertScaleAbs(sobelx)
cv_show("sobelx",sobelx)
将Sobel算子与原始图像src进行卷积计算,可以计算垂直方向上的像素值变化情况。
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
#因为下侧像素减去下边像素,存在负值的情况,因此使用cv2.convertScaleAbs取绝对值操作
sobely = cv2.convertScaleAbs(sobely)
cv_show("sobely",sobely)
合并
sobel_demo = cv2.addWeighted(sobelx,0.5,sobely,0.5,0.5)
cv_show("sobel_demo",sobel_demo)
sobelxy = cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3)
sobel=cv2.convertScaleAbs(sobelxy)
cv_show("sobel"