OpenCV库的学习笔记（八）Image Gradients

最新推荐文章于 2024-11-05 19:29:09 发布

郭铁拳

最新推荐文章于 2024-11-05 19:29:09 发布

阅读量137

点赞数

文章标签： opencv 学习计算机视觉

本文链接：https://blog.csdn.net/weixin_44072988/article/details/129150393

版权

目标

找到图像梯度，边缘等。
我们将看到以下函数：cv.Sobel()、cv.Scharr()、cv.Laplacian() 等。

理论知识

OpenCV 提供了三种类型的梯度滤波器或高通滤波器，Sobel、Scharr 和 Laplacian。我们将看到他们中的每一个。这主要寻找的是图像边缘信息。

Sobel 和 Scharr 导数

Sobel算子是联合高斯平滑加微分运算，因此抗噪能力更强。您可以指定要采用的导数方向，垂直或水平（分别通过参数 yorder 和 xorder）。您还可以通过参数 ksize 指定内核的大小。如果 ksize = -1，则使用 3x3 Scharr 滤波器，其结果优于 3x3 Sobel 滤波器。

拉普拉斯导数

它计算由关系 $\bigtriangleup src=\frac{\partial ^{2}src }{\partial x^{2}}+\frac{\partial ^{2}src }{\partial y^{2}}$ 给出的图像的拉普拉斯算子，其中使用 Sobel 导数找到每个导数。如果 ksize = 1，则使用以下内核进行过滤：

代码

下面的代码在一个图表中显示了所有运算符。所有内核都是 5x5 大小。输出图像的深度传递 -1 以获得 np.uint8 类型的结果。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('dave.jpg',0)
laplacian = cv.Laplacian(img,cv.CV_64F)
sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize=5)
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()

注意

在我们的最后一个示例中，输出数据类型是 cv.CV_8U 或 np.uint8。但这有一个小问题。黑到白过渡被视为正斜率（它具有正值），而白到黑过渡被视为负斜率（它具有负值）。因此，当您将数据转换为 np.uint8 时，所有负斜率都变为零。简而言之，您错过了那个优势。

[图像处理]-Opencv中数据类型CV_8U, CV_16U, CV_16S, CV_32F 以及 CV_64F是什么?_orangezs的博客-CSDN博客_cv_8u
上面这个博客是讲述数据类型的博客，cv.CV_8U是0到255即2的8次方。

如果你想检测两个边缘，更好的选择是将输出数据类型保持为一些更高的形式，如 cv.CV_16S、cv.CV_64F 等，取其绝对值然后转换回 cv.CV_8U。下面的代码演示了水平 Sobel 滤波器的这个过程和结果的差异。

下面有代码解释如下：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('box.png',0)
# Output dtype = cv.CV_8U
sobelx8u = cv.Sobel(img,cv.CV_8U,1,0,ksize=5)
# Output dtype = cv.CV_64F. Then take its absolute and convert to cv.CV_8U
sobelx64f = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
abs_sobel64f = np.absolute(sobelx64f)
sobel_8u = np.uint8(abs_sobel64f)
plt.subplot(1,3,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(1,3,2),plt.imshow(sobelx8u,cmap = 'gray')
plt.title('Sobel CV_8U'), plt.xticks([]), plt.yticks([])
plt.subplot(1,3,3),plt.imshow(sobel_8u,cmap = 'gray')
plt.title('Sobel abs(CV_64F)'), plt.xticks([]), plt.yticks([])
plt.show()

效果如下：