opencv 图像锐化_（二十三）用梯度（一阶微分）实现图像锐化

时间为友，记录点滴。

我在《数字图像处理》专栏的锐化空间滤波中聊过了什么是图像的锐化，以及为什么可以用微分可以实现图像的锐化。在这里，我们抛开细节，把思路理一下：

定性的思考方向是：

既然可以通过积分的思想来做图像的模糊，是不是可以通过积分的反操作微分来实现模糊的反操作-锐化？

定量的思考方向是：

我们把微分的过程当分别求x, y方向上的偏导，那么可以想象：

1. 在恒定灰度区域内的微分值为0
2. 在灰度台阶或斜坡处微分值非0
3. 沿着斜坡的微分值为0

从上图可以从逻辑上讲得通了。

怎么实现呢？

我们先以一阶偏导为例，具体的推导过程可以参考《数字图像处理》专栏中的梯度介绍。

1. 首先要引入，什么是一阶偏导，它的形式是什么？

2. 然后再看数字图像中的一阶偏导的形式是什么？

我们可以用梯度代表，为什么是梯度？因为梯度是一张二维平面上最大一阶偏导的形式。

3. 两个公式怎么结合？

当然是求梯度的模。

4. 有了公式怎么引入算子

偷一下懒，抄过来把。

假设现在有一幅图像其中的一个3x3的区域：

一幅图像的局部：3x3大小，从z1到z9

其中

是其中心（目标）像素， 由前面的一阶微分知识（

）我们可以得到它对应的

和

分别为

和

。

• 罗伯特交叉算子

不过，这里我们介绍另外一种罗伯特交叉算子，他们被定义为：

由此，我们可以计算梯度图像

罗伯特交叉算子对应的模板是：

目标像素的右下角四

• Sobel算子

另外一种称为Sobel算子，中心权重使用2用来突出中心点的作用

对应的梯度图像：

完美。

更完美的是，OpenCV中已经帮我们时间了梯度锐化的函数：

比如参考OpenCv官方给的AIP介绍：

void cv::Sobel	(	InputArray 	src,
OutputArray 	dst,
int 	ddepth,
int 	dx,
int 	dy,
int 	ksize = 3,
double 	scale = 1,
double 	delta = 0,
int 	borderType = BORDER_DEFAULT 
)	

• src input image.
• dst output image of the same size and the same number of channels as src
• ddepth output image depth, see combinations; in the case of 8-bit input images it will result in truncated derivatives.

• dx order of the derivative x
• dy order of the derivative y
• ksize size of the extended Sobel kernel; it must be 1, 3, 5, or 7.
• scale optional scale factor for the computed derivative values; by default, no scaling is applied (see getDerivKernels for details).放缩比率，1 表示不变
• delta optional delta value that is added to the results prior to storing them in dst.对输出结果图像加上常量值
• borderType pixel extrapolation method, see BorderTypes

C++

注意点：

1 Scharr算子是Sobel的增强版，但是不知道为什么对x, y方向不能一块微分。

2. convertScaleAbs，是做加权求绝对值并转转成8bit用的。参考如下公式

#include <iostream>
#include <string>
#include <opencv2/opencv.hpp>

using namespace std;
using namespace cv;

static bool scharrTest(Mat imgOri);
static bool sobelTest(Mat imgOri);
static void showImgPara(Mat &img);

int main()
{
	Mat imgOri = imread("Fig0342(a)(contact_lens_original).tif");
	//sobelTest(imgOri);

	Mat imgGril = imread("Gril.jpg");
	scharrTest(imgGril);

	waitKey(0);
	return true;
}

static bool sobelTest(Mat imgOri)
{
	imshow("imgOri", imgOri);
	Mat imgSobel;
	Sobel(imgOri, imgSobel, imgOri.depth(), 1, 1, 3, 1, 0, BORDER_DEFAULT);
	imshow("imgSobel", imgSobel);

	return true;
}

static bool scharrTest(Mat imgOri)
{
	Mat imgScharr, imgScharrX, imgScharrY;
	Mat imgScharrAbsX, imgScharrAbsY;
	double fx = 0.0, fy = 0.0;
	//GaussianBlur(imgOri, imgOri, Size(11, 11), 0, 0);
	resize(imgOri, imgOri, Size(imgOri.cols * 0.5, imgOri.rows * 0.5), fx = 0, fy = 0, INTER_LINEAR);

	showImgPara(imgOri);
	imshow("scharrTest imgOri", imgOri);
	if (1 != imgOri.channels())
	{
		cvtColor(imgOri, imgOri, COLOR_BGR2GRAY);
	}

	showImgPara(imgOri);

	showImgPara(imgOri);

	Scharr(imgOri, imgScharrX, CV_32F, 1, 0);
	Scharr(imgOri, imgScharrY, CV_32F, 0, 1);

	convertScaleAbs(imgScharrX, imgScharrAbsX);
	convertScaleAbs(imgScharrY, imgScharrAbsY);

	showImgPara(imgScharrAbsX);
	showImgPara(imgScharrAbsY);

	imshow("imgScharrX", imgScharrAbsX);
	imshow("imgScharrY", imgScharrAbsY);

	addWeighted(imgScharrAbsX, 0.5, imgScharrAbsY, 0.5, 1, imgScharr);
	imshow("imgScharr", imgScharr);


	return true;
}

static void showImgPara(Mat &img)
{
	cout << "sizeof(img) is: " << sizeof(img) << ", img size is: " << img.size << endl;
	cout << "rows x cols: (" << img.rows << " x " << img.cols << ")" << endl;
	cout << "dims: " << img.dims << endl;
	cout << "channels: " << img.channels() << endl;
	cout << "type: " << img.type() << endl;
	cout << "depth:" << img.depth() << endl;
	cout << "elemSize:" << img.elemSize() << " (Bytes per element)" << endl;
	cout << "elemSize1:" << img.elemSize1() << "(Bytes per channel)" << endl;
	cout << "step[0]: " << img.step[0] << " (Bytes per cows only when 2 dims)" << endl;
	cout << "step[1]: " << img.step[1] << " (Bytes per element only when 2 dims)" << endl;
	cout << "step1(0): " << img.step1(0) << ", step1(1): " << img.step1(1) << " (step / elemSize1)" << endl;
	cout << "----- showImgPara End ----n" << endl;
}

运行结果：

注意事项：

1. np.shape还是经常忘记，分别代表rows, cols, depth。其中depth还是要认为是数组的维度，如果是1维默认不显。rows代表高度，cols代表宽度。
2. 还有一种思想，C++喜欢用引用，所以代入到参数里面即可，但是Python喜欢用返回值。

注意看处理后的圆形的右下角的瑕疵

Python:

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# author：lowkeyway time:8/21/2019

import sys
import cv2 as cv
import numpy as np

def sobelTest(imgOri):
    cv.imshow("Sobel imgOri", imgOri)
    # imgOri = cv.cvtColor(imgOri, cv.COLOR_BGR2GRAY)
    imgSobel = cv.Sobel(imgOri, cv.CV_16S, 1, 1)
    imgSobel = cv.convertScaleAbs(imgSobel)

    cv.imshow("Sobel imgSobel", imgSobel)


def scharrTest(imgOri):
    imgOri = cv.resize(imgOri, (int(imgOri.shape[1]*0.5), int(imgOri.shape[0]*0.5)))
    cv.imshow("Scharr Imgori", imgOri)

    if 3 == len(imgOri.shape):
        imgOri = cv.cvtColor(imgOri, cv.COLOR_BGR2GRAY)

    imgScharrX = cv.Scharr(imgOri, cv.CV_32F, 1, 0)
    imgScharrY = cv.Scharr(imgOri, cv.CV_32F, 0, 1)

    imgScharrX = cv.convertScaleAbs(imgScharrX)
    imgScharrY = cv.convertScaleAbs(imgScharrY)

    cv.imshow("Scharr imgScharrX", imgScharrX)
    cv.imshow("Scharr imgScharrY", imgScharrY)

    imgScharr = cv.addWeighted(imgScharrX, 0.5, imgScharrY, 0.5, 1, dtype=cv.CV_32F)
    imgScharr = cv.convertScaleAbs(imgScharr)
    cv.imshow("Scharr imgScharr", imgScharr)


def main_func(argv):
    imgOri = cv.imread("Fig0342(a)(contact_lens_original).tif")
    # sobelTest(imgOri)
    
    imgGril = cv.imread("Gril.jpg")
    scharrTest(imgGril)

    cv.waitKey(0)

if __name__ == '__main__':
    main_func(sys.argv)