python+opencv3.3视频教学笔记 19 图像梯度

图像梯度可以把图像看成二维离散函数，图像梯度其实就是这个二维离散函数的求导。

Sobel算子是普通一阶差分，是基于寻找梯度强度。
拉普拉斯算子（二阶差分）是基于过零点检测。
通过计算梯度，设置阀值，得到边缘图像

import cv2 as cv
import numpy as np


def sobel_demo(image):  # sobel算子
    grad_x = cv.Sobel(image, cv.CV_32F, 1, 0)
    grad_y = cv.Sobel(image, cv.CV_32F, 0, 1)
    gradx = cv.convertScaleAbs(grad_x))  #用convertScaleAbs()函数将其转回uint8形式
    grady = cv.convertScaleAbs(grad_y)
    cv.imshow("gradient_x", gradx)
    cv.imshow("gradient_y", grady)

    gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0) #图片融合
    cv.imshow("gradient", gradxy)


def laplace_demo(image):  # 拉普拉斯算子
    grad = cv.Laplacian(image, cv.CV_32F)
    gradxy = cv.convertScaleAbs(grad)
    cv.imshow("grad", gradxy)


def hand_lpls(image):  # 手动拉普拉斯4邻域算子
    kernel = np.array([[0, 1, 0], [1, -4, 1], [0, 1, 0]])  # [[1, 1, 1], [1, -8, 1], [1, 1, 1]]8邻域算子
    dst = cv.filter2D(image, cv.CV_32F, kernel=kernel)
    lpls = cv.convertScaleAbs(dst)
    cv.imshow("laplace", lpls)


print("--------- Hello Python ---------")
src = cv.imread("D:/opencv/target.jpg")
cv.namedWindow("girl", cv.WINDOW_AUTOSIZE)
cv.imshow("girl", src)
hand_lpls(src)
cv.waitKey(0)
cv.destroyAllWindows()

Sobel算子用来计算图像灰度函数的近似梯度。Sobel算子根据像素点上下、左右邻点灰度加权差，在边缘处达到极值这一现象检测边缘。对噪声具有平滑作用，提供较为精确的边缘方向信息，边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法。

Sobel具有平滑和微分的功效。即：Sobel算子先将图像横向或纵向平滑，然后再纵向或横向差分，得到的结果是平滑后的差分结果

Sobel函数原型为

Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]]) -> dst

src参数表示输入需要处理的图像。
ddepth参数表示输出图像深度，针对不同的输入图像，输出目标图像有不同的深度，一般源图像都为CV_8U，为了避免溢出，一般ddepth参数选择CV_32F，注：ddepth =-1时，代表输出图像与输入图像相同的深度。
dx参数表示x方向上的差分阶数，1或0 。
dy参数表示y 方向上的差分阶数，1或0 。

convertScaleAbs函数使用线性变换转换输入数组元素成8位无符号整型
函数原型

convertScaleAbs(src[, dst[, alpha[, beta]]]) -> dst

src参数表示原数组。
dst参数表示输出数组 (深度为 8u)。
alpha参数表示比例因子。
beta参数表示原数组元素按比例缩放后添加的值。

addWeighted函数是计算两个数组的加权和
函数原型

addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) -> dst

src1参数表示需要加权的第一个输入数组。
alpha参数表示第一个数组的权重。
src2参数表示第二个输入数组，它和第一个数组拥有相同的尺寸和通道数。
beta参数表示第二个数组的权重。
gamma参数表示一个加到权重总和上的标量值。
dst参数表示输出的数组，它和输入的两个数组拥有相同的尺寸和通道数。
dtype参数表示输出数组的可选深度。当两个输入数组具有相同的深度时，这个参数设置为-1（默认值），即等同于src1.depth（）。

Scharr算子也是计算x或y方向上的图像差分，参数和Sobel算子的几乎差不多，意思也一样，只是没有ksize大小，算是sobel的加强版

Laplacian函数原型为

Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]]) -> dst

src参数表示输入需要处理的图像。
ddepth参数表示输出图像深度，针对不同的输入图像，输出目标图像有不同的深度，一般源图像都为CV_8U，为了避免溢出，一般ddepth参数选择CV_32F