OpenCV计算机视觉实战（Python）| 05、图像梯度处理

简介

本节为《OpenCV计算机视觉实战（Python）》版第五讲，图像梯度处理，的总结。

总结

Sobel算子

Sobel算子：
其计算梯度的过程为：
OpenCV代码：

dst = cv2.Sobel(src, ddepth, dx, dy, ksize)

• ddepth: 图像的深度，默认为-1
• dx,dy: 分别表示水平和竖直方向
• ksize: 表示Sobel算子的大小

# 读入图像
img = cv2.imread('pie.png', cv2.IMREAD_GRAYSCALE)

cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 计算x轴梯度
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)

# 计算y轴梯度
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
sobely = cv2.convertScaleAbs(sobely)

# 将x和y轴梯度求和
sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5，0)

cv2.imshow('sobelx', soblex)
cv2.waitKey(0)
cv2.destroyAllWindows()

1. 注意，各种算子的计算，均为：右-左，下-上
2. 在相减的过程中，从白到黑的相减，是正数，但是从黑到白的相减是负数，由于像素值被限制在0-255范围内，所有的负数会被截断为0，所以要取绝对值: cv2.convertScaleAbs(sobelx)，在取绝对值之前，要将负数形式保存，因此，第二个参数写作：cv2.CV_64F
3. 如果同时计算x/y轴的梯度，效果并不好，因此分别做x和y轴的梯度，然后得到加权的结果。
4. cv2.addWeighted(sobelx, 0.5, sobely, 0.5，0)中，0.5表示权重；0表示偏置项，不写的话默认为0

Scharr算子

Scharr算子的表达式为：

scharrx = cv2.Scharr(img, cv2.CV_64F, 1, 0)
scharry = cv2.Scharr(img, cv2.CV_64F, 0, 1)
scharrx = cv2.convertScaleAbs(scharrx)
scharry = cv2.convertScaleAbs(scharry)
scharrxy = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)

1. Scharr算子相比于sobel算子，增大了相邻点的权重
2. 带来的结果是，它的梯度信息会更丰富，得到的图像中，细节会更多。

Laplacian算子

Laplacian算子的表达式为：

laplacian = cv2.Laplacian(img, cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)

1. Laplacian算子，不是计算单x或者单y，而是将当前像素点，与周围像素点相比较，如果该点是边界，那么输出值比较大
2. Laplacian算子，对噪声点敏感（因为只考虑了上下左右四个像素点对中间像素点的影响，没有考虑左上左下右上右下点）
3. 一般该算子不单独使用

各种算子的比较

# 不同算子的差异
img = cv2.imread('lena.jpg', cv2.IMREAD_GRAYSCALE)


sobelx = cv2.Soble(img, cv2.CV_64F, 1, 0, ksize=3)
sobely = cv2.Soble(img, cv2.CV_64F, 0, 1, ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.convertScaleAbs(sobely)
sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)

scharrx = cv2.Scharr(img, cv2.CV_64F, 1, 0)
scharry = cv2.Scharr(img, cv2.CV_64F, 0, 1)
scharrx = cv2.convertScaleAbs(scharrx)
scharry = cv2.convertScaleAbs(scharry)
scharrxy = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)

laplacian = cv2.Laplacian(img, cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)

res = np.hstack((sobelxy, scharrxy, laplacian))
cv2.imshow('res', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果：