【OpenCV】图像梯度及算子

一、图像梯度概念

  图像像素之间相减，得到的差值组成的图像就是图像的梯度图像。注意算子内元素和为1

1.1 一阶导数与soble算子

  通过一阶导数可以提取图像边缘，图像边缘地方，像素差异大，一阶导数也大。
    
  （左）原图，中（原图的像素变化），（右）原图一阶导数的变化
  soble算子：
              
              
  最终一阶梯度：
              

1.2 二阶导数与拉普拉斯算子

  二阶导数在图像最大变化处（既边缘）值为零，既边缘的二阶导数为0.通过二阶导数的计算也可以提取边缘。
    

  （左）原图的像素变化，（中）原图一阶导数的变化、（右）原图二阶导数的变化
  拉普拉斯算子：
              
  最终二阶梯度：
                  

二、实践

2.1 一阶导数

2.1.1 soble算子cv.Sobel

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
'''soble算子与一阶导数'''
def soble_demo(image):
    grad_x=cv.Sobel(image,cv.CV_32F,1,0)#求dx
    grad_y = cv.Sobel(image, cv.CV_32F, 0, 1)  # 求dy
    gradx=cv.convertScaleAbs(grad_x)#导数有正有负，所以取绝对值,使的值在8位
    grady = cv.convertScaleAbs(grad_y)
    cv.imshow('gradx',gradx)
    cv.imshow('grady', grady)
    grad_final=cv.addWeighted(gradx,0.5,grady,0.5,0)
    cv.imshow('grad_final', grad_final)

img=cv.imread(r'D:\Project\Opencv\Learning01\fang.png')
cv.imshow('origin',img)
soble_demo(img)
cv.waitKey(0)

2.1.2 scharr算子cv.Scharr

  soble算子的增强版本，但受噪声影响严重。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
'''soble算子与一阶导数'''
def soble_demo(image):
    # grad_x=cv.Sobel(image,cv.CV_32F,1,0)#求dx
    # grad_y = cv.Sobel(image, cv.CV_32F, 0, 1)  # 求dy
    grad_x=cv.Scharr(image,cv.CV_32F,1,0)#求dx
    grad_y = cv.Scharr(image, cv.CV_32F, 0, 1)  # 求dy
    gradx=cv.convertScaleAbs(grad_x)#导数有正有负，所以取绝对值,使的值在8位
    grady = cv.convertScaleAbs(grad_y)
    cv.imshow('gradx',gradx)
    cv.imshow('grady', grady)
    grad_final=cv.addWeighted(gradx,0.5,grady,0.5,0)
    cv.imshow('grad_final', grad_final)

img=cv.imread(r'D:\Project\Opencv\Learning01\fang.png')
cv.imshow('origin',img)
soble_demo(img)
cv.waitKey(0)

2.2 二阶导数

2.2.1 API计算

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
'''Laplacian算子，二阶导数'''
def Laplacian_demo(image):
    dst=cv.Laplacian(image,cv.CV_32F)#求二阶导
    grad= cv.convertScaleAbs(dst)#取绝对值，使得能在图像中显示
    cv.imshow('Laplacian',grad)

img=cv.imread(r'D:\Project\Opencv\Learning01\fang.png')
cv.imshow('origin',img)
Laplacian_demo(img)
cv.waitKey(0)

2.2.2 自定义

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
'''拉普拉斯二阶导数,自定义核'''
# def Laplacian_demo(image):
#     dst=cv.Laplacian(image,cv.CV_32F)#求二阶导
#     grad= cv.convertScaleAbs(dst)#取绝对值，使得能在图像中显示
#     cv.imshow('Laplacian',grad)
def Laplacian_custom_demo(image):
    kernel=np.array([[0,1,0],[1,-4,1],[0,1,0]])
    dst=cv.filter2D(image,cv.CV_32F,kernel=kernel)
    grad= cv.convertScaleAbs(dst)#取绝对值，使得能在图像中显示
    cv.imshow('Laplacian_custom',grad)

img=cv.imread(r'D:\Project\Opencv\Learning01\fang.png')
cv.imshow('origin',img)
Laplacian_custom_demo(img)
cv.waitKey(0)