OpenCV-Python图像梯度 Sobel算子

最新推荐文章于 2023-09-15 15:31:23 发布

imxlw00

最新推荐文章于 2023-09-15 15:31:23 发布

阅读量1.2k

点赞数 1

分类专栏： # OpenCv 文章标签： opencv

本文链接：https://blog.csdn.net/imxlw00/article/details/112858445

版权

OpenCv 专栏收录该内容

32 篇文章

订阅专栏

本文介绍了Sobel算子在图像处理中的应用，用于检测图像的边缘。通过与原始图像进行卷积，计算水平和垂直方向的像素值变化，从而得到图像的梯度信息。Sobel算子结合了高斯平滑和微分求导，能够有效地找出图像的边缘。通过cv2库在Python中实现Sobel算子，并展示处理前后的图像效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

图像的梯度计算的是图像变化的速度，对于边缘部分呢灰度值变换大，梯度值也大，相反则灰度值变化小，梯度值小

Sobel算子是一种离散的微分算子，该算子结合了高斯平滑处理和微分求导运算。该算子利用局部差寻找边缘
在这里插入图片描述
将Sobel算子Gx和原始图像卷积可以得到水平方向的像素值变化，与Gy卷积的到垂直方向的像素值变化。

将sober算子在图中进行平移，当前位置的像素值等于sobel算子与(当前位置与周边位置8个点)进行对应位置相乘并相加操作，作为当前位置的像素点。
如果要计算P5的水平方向，则需要Sobel算子及P5邻域点

公式为：P5x轴 = P3 - P1 + 2 * P6 - 2* P4 + P9 - P7

用P5右侧的像素点减左侧的像素点，因为P4和P6离P5较近，所以权值为2,其他为1垂直方向类似，垂直是下减上。

import cv2
import matplotlib.pyplot as plt
import numpy as np
def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()

def Sobel():
    img = cv2.imread('images/pie.png', cv2.IMREAD_GRAYSCALE)
    cv2.imshow("img", img)
    
    # 使用cv2.Sobel(src, cv2.CV_64F, 1, 0, ksize=3)  对x轴方向进行sobel算子相乘操作
    sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
    # 由于会出现负值的情况，因此使用cv2.convertScalerAbs() 转换为绝对值的形式
    sobelx = cv2.convertScaleAbs(sobelx)
    cv_show(sobelx, 'sobelx')
    
	# 计算y轴方向上的sobel算子
    sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
    sobely = cv2.convertScaleAbs(sobely)
	cv_show(sobely, 'sobely')
	 
	# 使用cv2.addWeighted 将x轴方向的sobel算子的结果和y轴方向上的sobel算子的结果结合
    sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
    cv_show(sobelxy, 'sobelxy')

在这里插入图片描述