十五天掌握OpenCV——图像梯度

原理：梯度=求导。Sobel、Scharr——求一阶、二阶导数；Laplacian——求二阶导数。

Sobel Scharr 算子

1. Sobel算子：高斯平滑与微分操作的结合体。抗噪声能力好。自定义：求导方向xy，卷积核大小ksize，ksize=-1,3*3 Scharr滤波器，比Sobel滤波器效果好。

Laplacian算子

1. 拉普拉斯算子：二阶导数的形式。
2. kernel=[0 1 0] [1 -4 1] [0 1 0]

代码演示

# coding=utf8
import cv2
import numpy as np
from matplotlib import pyplot as plt

img=cv2.imread('222.jpg',0)
# cv_64f 输出图像的深度（数据类型）
laplacian=cv2.Laplacian(img,cv2.CV_64F)
# 1,0 只在x方向求一阶导数，最大二阶求导。
sobelx=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)
sobely=cv2.Sobel(img,cv2.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()

代码演示

# coding=utf8
import cv2
import numpy as np
from matplotlib import pyplot as plt

img=cv2.imread('222.jpg',0)

sobelx8u=cv2.Sobel(img,cv2.CV_8U,1,0,ksize=5)
sobelx64f=cv2.Sobel(img,cv2.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()