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