OpenCV(五) —— 图像梯度处理 & 边缘检测(Sobel算子 & Scharr算子 & laplacian算子 & Canny算子)

图像梯度处理

图像梯度-Sobel算子

离散微分算子（discrete differentiation operator），用来计算图像灰度的近似梯度，梯度越大越有可能是边缘。

Soble算子的功能集合了高斯平滑和微分求导，又被称为一阶微分算子，求导算子，在水平和垂直两个方向上求导，得到的是图像在X方法与Y方向梯度图像。

缺点：比较敏感，容易受影响，要通过高斯模糊（平滑）来降噪。

梯度计算：（在两个方向求导，假设被作用图像为 I）

水平变化: 将 I 与一个奇数大小的内核 Gx进行卷积。比如，当内核大小为3时, Gx的计算结果为:

垂直变化: 将:math:I 与一个奇数大小的内核 Gy进行卷积。比如，当内核大小为3时, Gy的计算结果为:

在图像的每一点，结合以上两个结果求出近似梯度：

有时也用下面更简单公式代替，计算速度快：（最终图像梯度）。

 

Scharr算子 & laplacian算子

对变化会比较敏感

Canny算子

Canny 边缘检测是一种使用多级边缘检测算法检测边缘的方法。1986 年发明

 

import cv2
o=cv2.imread("cat.png",cv2.IMREAD_GRAYSCALE)
r1=cv2.Canny(o,128,200)
r2=cv2.Canny(o,32,128)
cv2.imwrite('r1.jpg',r1)
cv2.imwrite('r2.jpg',r2)

 

 

从运行结果可知，当函数 cv2.Canny()的参数 threshold1 和 threshold2 的值较小时，能够捕获更多的边缘信息