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: