Python +OpenCV CH10:图像梯度

1 sobel理论基础

1.1 基础理论

目的: 利用卷积核,计算不同方向上的梯度.

• x方向有无边界: 右边- 左边
  
  计算点P5 x方向上的梯度. 根据距离,对卷积核设置不同的系数
  
• y方向有无边界:下边 - 上边
  
  与x方向类似, 计算点P5 y方向上的梯度.
  
• 计算近似梯度
  
  进一步简化
  
  对图中点P5,进行梯度计算:
  

2 sobel算子及其函数使用

2.1 基础理论

• 计算梯度

dst=cv2.Sobel(src, ddepth, dx, dy, [ksize])
其中，参数：
・src – 输入图像；
・ddepth– 图像深度；
　　→ -1，表示和原图像深度一致,但是计算梯度值时会出现负数,自动截断为0,导致信息丢失
　　→ cv2.CV_64F，改变输出的数据类型,设置的更高,使之允许存在负数. 在后续操作中绝对值后,再转换为np.uint8类型　　
・dx – x方向；
　　→ [dx=1,dy=0]
・dy – y方向；
　　→ [dx=0,dy=1]
・ [ksize] – 核大小；
　　→ 须为奇数(如1,3,5),默认为3
　　→ -1时,自动转换为scharr算子

• 修正梯度结果(负数转正)

dst = cv2.convertScaleAbs(src[,alpha[,beta]])
dst = cv2.convertScaleAbs(src) 简化版
将原始图像转换为256色位图,表示对负数取绝对值 dst = 调整(原始图像*alpha系数 + beta修正值)

• 计算sobel
  有2种方式.
  ・方式1不太严谨,往往会得到错误的结果
  ・所以一般采用方式2: 分别计算出x,y方向的梯度后相加
  

方式2 借用cv2.addWeighted函数计算 x,y 两幅图像的权重和

dst= cv2.addWeighted(src1,alpha,src2,beta,gamma)
其中，参数：
・dst– 计算结果；
・src1 – 源图像1；
・alpha– 源图像1系数；
・src2 – 源图像2；
・beta– 源图像2系数；
・gamma– 修正值；

2.2 代码示例

import cv2
import numpy as np
o = cv2.imread('image\\sobel4.bmp',cv2.IMREAD_GRAYSCALE)
sobelx = cv2.Sobel(o,cv2.CV_64F,1,0,ksize=3)
sobely = cv2.Sobel(o,cv2.CV_64F,0,1,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)   # 转回uint8  
sobely = cv2.convertScaleAbs(sobely