python opencv学习（六）图像梯度计算

sobel算子

Sobel算子算法的优点是计算简单，速度快。但是由于只采用了2个方向的模板，只能检测水平和垂直方向的边缘，因此这种算法对于纹理较为复杂的图像，其边缘检测效果就不是很理想。该算法认为：凡灰度新值大于或等于阈值的像素点时都是边缘点。这种判断欠合理，会造成边缘点的误判，因为许多噪声点的灰度值也很大。

右边-左边，差异值作为水平方向

下面-上面，差异值作为垂直方向

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

• ddepth：图像深度,都是默认-1，表示输入输出深度一样
• dx,dy：分别表示水平和竖直方向
• ksize：是Sobel算子的大小  ，表示核的大小

import cv2
import numpy as np


img = cv2.imread('F:/picture/desk/1.jpg')
def cv_imshow(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()

sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)

# cv2.CV_64F能表示负数的形式，白-黑是正数，黑-白就是负数了，
# 所有的负数会被截断0，所以要取绝对值
# dx=1,dy=0  表示计算水平方向的，不计算竖直方向，谁为1，计算谁

cv_imshow(sobelx,'sobelx')

 在滤波函数第二个参数，当我们使用-1表示输出图像与输入图像的数据类型一致时，如果原始图像是uint8型的，那么在经过算子计算以后，得到的图像可能会有负值，如果与原图像数据类型一致，那么负值就会被截断变成0或者255，使得结果错误，那么针对这种问题有两种方式改变（上述程序中都有）：一种就是改变输出图像的数据类型（第二个参数cv2.CV_64F），另一种就是改变原始图像的数据类型（此时第二个参数可以为-1，与原始图像一致）。

img = cv2.imread('F:/pictu