python+opencv进行图像去噪，检测梯度(附代码)

   opencv中一般是利用高通滤波器进行图像去噪，具体包括以下三个函数。

cv2.Sobel()，其实求得是一阶导数

cv2.Schar()，其实也求得是一阶导数，是对sobel算子的优化

cv2.Laplacian()，其实求得是二阶导数

上述三个算法的原理可以进行百度，很多地方都有。

另外我们需要知道的是，低通滤波器一般也是可以进行去噪声的。

附代码如下进行对比算法：

# -*- coding: utf-8 -*-
import cv2
import numpy as np
from matplotlib import pyplot as plt

img=cv2.imread('4.jfif') #原图为彩色图，可将第二个参数变为0，为灰度图

laplacian=cv2.Laplacian(img,cv2.CV_64F)#cv2.CV_64F输出图像的数据类型，可以使用-1，与原图像保持一致
sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)# 参数 1,0 ，其中1是只在 x 方向求一阶导数，0是y方向不求导数，其最大可以求2阶导数。
sobely=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)  # 参数 1,0 ，其中1是只在 y 方向求一阶导数，0是x方向不求导数，其最大可以求2阶导数。

plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,2),plt.imshow(laplacian,cmap = 'gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])
plt.show()

运行结果如下所示：

拉普拉斯算法以及Sobel算法进行边缘检测(原图为彩图)

 

若要进行灰度图像的处理，代码如下：

# -*- coding: utf-8 -*-
import cv2
import numpy as np
from matplotlib import pyplot as plt

img=cv2.imread('4.jfif',0) #原图为彩色图，可将第二个参数变为0，为灰度图

laplacian=cv2.Laplacian(img,cv2.CV_64F)#cv2.CV_64F输出图像的数据类型，可以使用-1，与原图像保持一致
sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)# 参数 1,0，其中1是只在x方向求一阶导数，0是y方向不求导数，其最大可以求2阶导数。
sobely=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)  # 参数 1,0 ，其中1是只在y方向求一阶导数，0是x方向不求导数，其最大可以求2阶导数。

plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,2),plt.imshow(laplacian,cmap = 'gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])
plt.show()

运行结果如下所示：

拉普拉斯算法以及Sobel算法进行边缘检测(灰度图)