opencv图像梯度

图像梯度

image = imread('zhuanqiang.jpg')
show(image)

def gradient(image):
    image = cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
    #使用拉普拉斯算子
    #cv2.CV_64F输出图像的深度（数据类型），64位float类型，因为梯度可能是正也可能是负
    laplacian = cv2.Laplacian(image,cv2.CV_64F)
    
    #1,0表示在x方向求一阶导数，最大可以求2阶导数(比如改成2,0即求2阶导数)
    sobelx = cv2.Sobel(image,cv2.CV_64F,1,0,ksize=3)
    
     #0,1表示在y方向求一阶导数，最大可以求2阶导数
    sobely = cv2.Sobel(image,cv2.CV_64F,0,1,ksize=3)
    
    titles = ['Original','Laplacian','SobelX','SobelY']
    images = [image,laplacian,sobelx,sobely]
    plt.figure(figsize=(10,5))
    for i in range(4):
        plt.subplot(2,2,i+1)
        plt.imshow(images[i],'gray')
        plt.title(titles[i])
        plt.axis('off')
plt.show()
gradient(image)

#sobelx只剩下y方向上的一些边界，sobely只剩下x方向上的一些边界
#而拉普拉斯较好的保留了所有边界

image = imread('chepai.jpeg')
gradient(image)

sobelx只剩下y方向上的一些边界，sobely只剩下x方向上的一些边界
而拉普拉斯较好的保留了所有边界