Opencv进阶---图像梯度处理

1、图像梯度—Sobel算子
左边减去右边得到梯度差异
Gx为水平方向上的梯度，右减去左
Gy为垂直方向上的差梯度，下减去上

dst=cv.Sobel(src,ddepth,dx,dy,ksize)
ddepth:图像的深度，通常设置为-1，表示的深度与输出深度一样
dx,dy分别表示水平方向和竖直方向，去0或者1，取1表示该方向
ksize为Sobel算子的大小，一般为3*3
X轴方向上的梯度：
代码：
当ddepth=-1时

sobelX=cv.Sobel(src,-1,1,0,ksize=3)

结果：

黑到白是正数，白到黑是负数，所有的负数会被阶段成0，所以要取绝对值

sobelX=cv.Sobel(src,cv.CV_64F,1,0,ksize=3)
sobleX=cv.convertScaleAbs(sobelX)#取绝对值操作

结果：

Y轴方向上的梯度：

sobelY=cv.Sobel(src,cv.CV_64F,0,1,ksize=3)
sobleY=cv.convertScaleAbs(sobelY)#取绝对值操作

分别计算X、Y，再求和，不建议直接计算，会有丢失、重影等现象

sobelXY=cv.addWeighted(sobelX,0.5,sobelY,0.5,0)#权重根据实际需要来设定

结果：

2、图像梯度—Scharr算子
相较于sobel算子，它的矩阵值更大，即结果差异更加明显，描绘的东西更加细致

X轴方向：

scharrX=cv.Scharr(src,cv.CV_64F,1,0)
scharrX=cv.convertScaleAbs(scharrX)

Y轴方向：

scharrY=cv.Scharr(src,cv.CV_64F,0,1)
scharrY=cv.convertScaleAbs(scharrY)

总的梯度：

scharrXY=cv.addWeighted(scharrX,0.5,scharrY,0.5,0)

3、图形梯度—laplacian算子
部分X、Y轴方希那个
对噪音点敏感，应该配合其他函数配合使用
最近的为-1，自身为-4，其他为0

laplacianY=cv.Laplacian(src,cv.CV_64F)
laplacianY=cv.convertScaleAbs(laplacianY)