【OpenCV3.3+Python3.6】图像的梯度

图像的梯度

1.一阶导数与Sobel算子

Sobel算子：首先 x方向梯度 再算y方向梯度

*addWeighted（）函数是将两张相同大小，相同类型的图片融合的函数。

函数原型：cv2.AddWeighted( src1, alpha,src2, beta,gamma, dst );

参数说明：

（1）src1：输入的第一个

（2）alpha：第一个图片的权重

（3）src2：输入的第一个图片

（4）beta：第二个图片的权重

（5）gamma：图1与图2作和后添加的数值。不要太大，不然图片一片白。总和等于255以上就是纯白色了
 

2.二阶导数与拉普拉斯算子二阶导数与拉普拉斯算子

拉普拉斯算子：对图像做卷积

函数原型： cv2.Filter2D(  src, dst,kernel,anchor=(-1,-1));

参数说明：

（1）src：输入图像

（2）dst：输出图像

（3）kernel为卷积核, 单通道浮点矩阵.

（4）anchor核的锚点表示一个被滤波的点在核内的位置。

 

代码奉上：

import cv2
import numpy as np

def soble_demo(image):#soble算子
    grad_x=cv2.Sobel(image,cv2.CV_32F,1,0)
    grad_y = cv2.Sobel(image, cv2.CV_32F, 0,1)
    gradx = cv2.convertScaleAbs(grad_x)
    grady = cv2.convertScaleAbs(grad_y)
    cv2.imshow("gradient-x",gradx)
    cv2.imshow("gradient-y", grady)

    gradxy=cv2.addWeighted(gradx,0.5,grady,0.5,0)
    cv2.imshow("gradint-xy",gradxy)

def lapalian_demo(image):#拉普拉斯算子
    dst=cv2.Laplacian(image,cv2.CV_32F)
    lpls=cv2.convertScaleAbs(dst)
    cv2.imshow("lapalian_demo", lpls)
    kernel = np.array([[0, 1, 0], [1, -4, 1], [0, 1, 0]])
    dst1=cv2.filter2D(image,cv2.CV_32F,kernel=kernel)
    lpls1=cv2.convertScaleAbs(dst1)
    cv2.imshow("lapalian_demo1", lpls1)

print("---------Hello World----------")
src=cv2.imread("dwaii.png")
cv2.imshow("source_image",src)
soble_demo(src)
lapalian_demo(src)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图：

soble算子：

 

拉普拉斯算子：