第4讲 图像梯度（sobel,scharr,laplacian）

一般来讲，只有色彩变化较大的地方才会产生，也就是说，只有在边缘。

图像sobel算子


这个是水平方向的梯度，右边减去左边
同样，下边减去上边。是竖直方向

原始图像

现在采用sobel算子，水平方向右边减去左边。
如下所示：

可以看到只有左边的，因为我们采用的是右边减去左边，其中中间的为白色，减去左边的黑丝就是 >0,因此会保留，而右边减去左边，是黑色减去中间，就成了黑丝减去白色<0所以会不显示。


也就是只有一半
如果想把右边的一半也显示，怎么办了？当然可以考虑将负数编程整数麻，试试看。
sobelx = cv2.convertScaleAbs(sobelx)
cv_show(‘sobelx’,sobelx)
经过测试发现，果然好使

sobelx = cv2.convertScaleAbs(sobelx)
cv_show('sobelx',sobelx)
# 经过测试发现，果然好使

我们发现，的确在左边和右边已经出现了圆的轮廓雏形。

sobelx = cv2.convertScaleAbs(sobelx)
cv_show('sobelx',sobelx)
# 经过测试发现，果然好使
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)  
cv_show('sobely',sobely)

#分别计算x和y，在求和,这样会不会弥补单独求时的不足了？
sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
cv_show("sobelxy",sobelxy)

如上图可以看出来，效果并不好，因此建议分开处理，再加和。

import cv2
import numpy as np
lena = cv2.imread("lena.jpg")

lena=cv2.cvtColor(lena,cv2.COLOR_BGR2GRAY)
lena = cv2.medianBlur(lena,5)

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
cv_show("lena",lena) # 显示一下原图

整体计算，全部设置为1如下

# 整体设置为1，一起进行计算
sobelxy = cv2.Sobel(lena,cv2.CV_64F,1,1,ksize=3)
sobelxy = cv2.convertScaleAbs(sobelxy)
sobelxy1 = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
cv_show("sobelxy1",sobelxy1)

sobelxy_show = np.hstack((sobelxy,sobelxy1))
cv_show("sobelxy_show",sobelxy_show)

由此可知分开计算效果好一些，而单独计算会有重影
——————————————————————————————————————————————


拉普拉斯二阶导

soble ，
scharrx，
laplacian
对比

在这里插入图片描述

import cv2
import numpy as np
lena = cv2.imread("lena.jpg")

# 中值滤波去除椒盐噪声
lena = cv2.medianBlur(lena,5)
# 灰度化处理，看的更清楚
lena=cv2.cvtColor(lena,cv2.COLOR_BGR2GRAY)

# sobel算法处理
sobelx = cv2.Sobel(lena,cv2.CV_64F,1,0,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.Sobel(lena,cv2.CV_64F,1,0,ksize=3)
sobely = cv2.convertScaleAbs(sobely)
sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
cv_show("sobelxy",sobelxy)

# scharr算法处理
scharrx = cv2.Scharr(lena,cv2.CV_64F,1,0)
scharrx = cv2.convertScaleAbs(sobelx)
scharry = cv2.Scharr(lena,cv2.CV_64F,1,0)
scharry = cv2.convertScaleAbs(sobely)
scharrxy = cv2.addWeighted(scharrx,0.5,scharry,0.5,0)
cv_show("scharrxy",scharrxy)

# laplacian算法处理
laplacian = cv2.Laplacian(lena,cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)
cv_show("laplacian",laplacian)

import numpy as np
sum_show = np.hstack((lena,sobelxy,scharrxy,laplacian))
cv_show("sum_show",sum_show)

（完）