OpenCV图像梯度

最新推荐文章于 2024-09-10 22:45:16 发布

小布丁。。。

最新推荐文章于 2024-09-10 22:45:16 发布

阅读量178

点赞数

文章标签： opencv python

本文链接：https://blog.csdn.net/weixin_44796581/article/details/119846014

版权

OpenCV提供三种类型的梯度滤波器或高通滤波器，即Sobel，Scharr和Laplacian。

1.Sobel算子

主要使用cv2.Sobel()来实现。

dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])

参数如下：

src：需要处理的图像
ddepth：图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度
dx和dy表示的是求导的阶数，0表示这个方向上没有求导，一般为0、1、2
dst：输出图像
ksize：是Sobel算子的大小，必须为1、3、5、7
scale：是缩放导数的比例常数，默认情况下没有伸缩系数
delta：是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中
borderType：是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

代码示例：

import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg')
dst = cv.Sobel(img, -1, 1, 1, None, 5)
cv.imshow("prac", dst)
cv.waitKey(0)
cv.destroyAllWindows()

2.Scharr算子

主要使用cv2.Scharr()函数来实现。

cv2.Scharr(src, ddepth, dx, dy, dst=None, scale=None, delta=None, borderType=None)

参数和Sobel相比没有ksize，其余同上，代码示例：

import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg')
dst2 = cv.Scharr(img, -1, 0, 1)
cv.imshow("prac", dst2)
cv.waitKey(0)
cv.destroyAllWindows()

3.Laplacian 算子

主要使用cv2.Laplacian()来实现。

dst = cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])

参数和Sobel相比，ksize为Laplacian 算子的大小，其余同上，代码示例：

import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg')
dst3 = cv.Laplacian(img, -1, None, 3)
cv.imshow("prac", dst3)
cv.waitKey(0)
cv.destroyAllWindows()

4.注意事项

如果要检测两个边缘，更好的选择是将输出数据类型保留为更高的形式，例如 cv.CV_16S ，cv.CV_64F 等，取其绝对值，然后转换回 cv.CV_8U 。

代码示例：

sobelx64f = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
abs_sobel64f = np.absolute(sobelx64f)
sobel_8u = np.uint8(abs_sobel64f)