【翻译：OpenCV-Python教程】图像梯度

⚠️这个系列是自己瞎翻的，文法很丑，主要靠意会，跳着跳着捡重要的部分翻，翻错了不负责，就这样哈。

⚠️基于3.4.3，Image Gradients，附原文。

目标

在这一章，我们将学习：

• 找到图像梯度、边缘等等
• 我们会遇到以下函数：cv.Sobel()，cv.Scharr()，cv.Laplacian() 等等

理论

OpenCV提供三种梯度滤波器或高通滤波器，Sobel，Scharr和Laplacian。我们将会一个个来看。

1、索贝尔和沙尔（Sobel  Scharr）倒数

索贝尔算法是一个高斯平滑加上其他操作的结合，所以它更能对抗图像噪声（译者注：因为高斯平滑滤掉了一部分噪声）。您可以指定要取的导数的方向，垂直的或水平的（分别通过参数yorder和xorder）。你也可以指定内核的大小，通过参数 ksize。如果给ksize = -1，就会使用一个 3x3 沙尔滤波器，它会给出一个比 3x3 索贝尔滤波器更好的结果。它们使用的内核，请看文档。

2、拉普拉斯（Laplacian）倒数

它通过如下关系 Δsrc=∂2src∂x2+∂2src∂y2 来计算图像的拉普拉斯算子（译者注：拉普拉斯算子）。每个导数都是用索贝尔导数求出来的。如果 ksize = 1，那么用下面的内核进行过滤：

代码

下面的代码用一个图标展示了所有的操作。所有内核采用 5x5 大小。输出图像深度为-1，得到np.uint8类型格式的结果。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('dave.jpg',0)
laplacian = cv.Laplacian(img,cv.CV_64F)
sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize=5)
plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,2),plt.imshow(laplacian,cmap = 'gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])
plt.show()

结果：

一个重要的事情！

在上一个例子中，输出数据类型是cv.CV 8U或np.uint8。但是有一个小问题。黑-白转换为正斜率（值为正），白-黑转换为负斜率（值为负）。当你把数据转换成np.uint8，所有负斜率都是零。简单地说，你错过了那条边界。如果希望同时检测到这两条边，更好的选择是将输出数据类型保持为某些更高的形式，比如cv.CV_16S，cv.CV_64F 等等。取其绝对值，再转换回cv.CV_8U。下面的代码演示了这个过程的水平索贝尔过滤器和结果的差异。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('box.png',0)
# Output dtype = cv.CV_8U
sobelx8u = cv.Sobel(img,cv.CV_8U,1,0,ksize=5)
# Output dtype = cv.CV_64F. Then take its absolute and convert to cv.CV_8U
sobelx64f = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
abs_sobel64f = np.absolute(sobelx64f)
sobel_8u = np.uint8(abs_sobel64f)
plt.subplot(1,3,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(1,3,2),plt.imshow(sobelx8u,cmap = 'gray')
plt.title('Sobel CV_8U'), plt.xticks([]), plt.yticks([])
plt.subplot(1,3,3),plt.imshow(sobel_8u,cmap = 'gray')
plt.title('Sobel abs(CV_64F)'), plt.xticks([]), plt.yticks([])
plt.show()

查看以下结果：

 

Additional Resources

Exercises

---

上篇：【翻译：OpenCV-Python教程】形态变化

下篇：【翻译：OpenCV-Python教程】坎尼边缘检测