OpenCV图像梯度（Sobel和Scharr）

这篇博客将介绍图像渐变以及如何使用OpenCV的cv2.Sobel计算Sobel渐变和Scharr渐变。

1 图像梯度是什么？

图像梯度是许多计算机视觉和图像处理程序的基本组成部分。

• 我们使用梯度来检测图像中的边缘，这使得我们能够在图像中找到物体的轮廓和边缘线；
• 我们使用它们作为通过特征提取量化图像的输入-事实上，非常成功和著名的图像描述符，如定向梯度直方图和SIFT是建立在图像梯度表示的基础上的；
• 梯度图像甚至被用来构造显著性图，突出图像的主题；

2 图像梯度的用途

图像梯度的主要应用在于边缘检测。边缘检测是在图像中寻找轮廓/边缘的过程，它揭示了图像中物体的结构信息。因此，边缘可以对应于：

• 图像中对象的边界
• 图像中阴影或光照条件的边界
• 对象中“局部”的边界

图像梯度定义为图像强度的方向变化。
或者更简单地说，在输入（灰度）图像的每个像素处，梯度测量给定方向上像素强度的变化。通过估计方向或方向以及大小（即方向的变化有多大），能够检测图像中看起来像边缘的区域。

梯度幅度（gradient magnitude）用来衡量图像强度的变化有多大。梯度幅度是一个实值数字，它量化了强度变化的“强度”。
梯度方向（gradient orientation）用于确定强度变化的方向。顾名思义，梯度方向会给出一个角度或𝜃 ，用来量化变化的方向。

弧度