opencv梯度的不同计算方法比较

最新推荐文章于 2023-01-30 22:37:44 发布

weixin_39266208

最新推荐文章于 2023-01-30 22:37:44 发布

阅读量187

点赞数

分类专栏： opencv

本文链接：https://blog.csdn.net/weixin_39266208/article/details/118660979

版权

本文探讨了OpenCV中不同的梯度计算方法，包括morphologyEx、Sobel、Scharr和Laplacian算子。针对Sobel算子在dx和dy同时为1时出现的异常现象进行了分析，提出可能是计算中相互抵消导致的问题。同时指出，Laplacian算子用于边缘检测，而morphologyEx提供的梯度适用于边界发现。Scharr算子在某些情况下比Sobel更优，但未做归一化处理。最后展示了不同方法在彩色和灰度图上的效果比较。

摘要由CSDN通过智能技术生成

主要内容

morphologyEx操作使用MORPH_GRADIENT参数，即dilate(img)-erode(img)
Sobel/Scharr分别对xy计算梯度求绝对值，再相加
Laplacian算子，二阶导数，已经不是梯度了，也可以用于边缘检测
Sobel算子同时对xy求梯度的问题
Sobel算子ddepth选择CV_64F坐标转换和求和的先后问题

Sobel算子的一些问题

先从几个奇怪的现象说起，见代码

import cv2
import numpy as np

img = np.full((200,200), 255, dtype=np.uint8)
img[60:140,60:140] = 0
img[80:120,80:120] = 255

# ddepth使用浮点数，因为uint8处理不了梯度负数等情况，这个不再讨论，主要这里dx，dy都是1,是错误的!!!
sobel = cv2.Sobel(img, cv2.CV_64F, 1, 1)
# 转换成uint8，求绝对值
sobel0 = cv2.convertScaleAbs(sobel)

sobelx = cv2.Sobel(img, cv2.