python怎么计算图像梯度_opencv python图像梯度实例详解

import cv2 as cv

import numpy as np

图像梯度(由x,y方向上的偏导数和偏移构成)，有一阶导数(sobel算子)和二阶导数(Laplace算子)

用于求解图像边缘，一阶的极大值，二阶的零点

一阶偏导在图像中为一阶差分，再变成算子(即权值)与图像像素值乘积相加，二阶同理

def sobel_demo(image):

grad_x = cv.Sobel(image, cv.CV_32F, 1, 0) # 采用Scharr边缘更突出

grad_y = cv.Sobel(image, cv.CV_32F, 0, 1)

gradx = cv.convertScaleAbs(grad_x) # 由于算完的图像有正有负，所以对其取绝对值

grady = cv.convertScaleAbs(grad_y)

计算两个图像的权值和，dst = src1alpha + src2beta + gamma

gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0)

cv.imshow("gradx", gradx)

cv.imshow("grady", grady)

cv.imshow("gradient", gradxy)

def laplace_demo(image): # 二阶导数，边缘更细

dst = cv.Laplacian(image,cv.CV_32F)

lpls = cv.convertScaleAbs(dst)

cv.imshow("laplace_demo"