《python+opencv3.3视频教学 基础入门》图像梯度 笔记

参考：https://blog.csdn.net/saltriver/article/details/78987096

Sobel算子
参考：https://blog.csdn.net/qq_29540745/article/details/51918004

拉普拉斯算子

图像深度

视频示例：

import cv2 as cv
import numpy as np


# Sobel算子
def sobel_demo(image):
    grad_x = cv.Sobel(image, cv.CV_32F, 1, 0)   # 因为计算后的梯度可能会超过像素最大值255，所以这里需要指定合适的图像深度，如cv.CV_32F
    grad_y = cv.Sobel(image, cv.CV_32F, 0, 1)
    # grad_x = cv.Scharr(image, cv.CV_32F, 1, 0)   # Scharr算子是Sobel算子的增强版本，当Sobel得到的轮廓不明显时可考虑Scharr算子，然后做图像二值化，即可提取到边缘
    # grad_y = cv.Scharr(image, cv.CV_32F, 0, 1)   # 但是Scharr算子对噪声比较敏感，当用Scharr算子得到轮廓后，要想方设法把噪声降下来
    gradx = cv.convertScaleAbs(grad_x)   # 把梯度取绝对值，并 scaling 到无符号8位最大值255的范围内
    grady = cv.convertScaleAbs(grad_y)
    cv.imshow("gradient-x", gradx)   # 查看梯度图效果
    cv.imshow("gradient-y", grady)

    gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0)
    cv.imshow("gradient-xy", gradxy)

# Laplas算子
def laplacian_demo(image):
    dst = cv.Laplacian(image, cv.CV_32F)
    lpls = cv.convertScaleAbs(dst)
    cv.imshow("laplacian_demo", lpls)


def custom_kernel_demo(image):
    # kernel = np.array([[0, 1, 0], [1, -4, 1], [0, 1, 0]])   # 这个核就是拉普拉斯核，会看到效果和laplacian_demo()的一样
    kernel = np.array([[1, 1, 1], [1, -8, 1], [1, 1, 1]])
    dst = cv.filter2D(image, cv.CV_32F, kernel=kernel)
    lpls = cv.convertScaleAbs(dst)
    cv.imshow("laplacian_demo", lpls)


print("-----------Python OpenCV Tutorial--------------")
src = cv.imread("C:/cv-samples/data/lena.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

# sobel_demo(src)
# laplacian_demo(src)
custom_kernel_demo(src)

cv.waitKey(0)

cv.destroyAllWindows()