转载:
图像梯度的基本原理
OpenCV图像处理(十一)—图像梯度
图像模糊
图像模糊是因为图像中的轮廓不明显,轮廓边缘灰度变化不强烈,层次感不强造成的。
那么反过来考虑。轮廓边缘灰度变化明显些,层次感强烈些,是不是图像就更清晰些呢。
图像梯度
图像梯度简单来说就是秋冬,在图像上表现出来的就是提取图像边缘(横向、纵向扥等)。
1.1 数学推导
首先来看一下传统微积分里面的求导公式(对x的一阶微分):
而图像是一个二期函数f(x,y),其微分当然是偏微分。因此有:
ϵ这个值如何选取呢?上高数的时候,都是连续函数,这个值可以取得很小,ϵ可以理解为x的最小前进步伐,但是图像是一个离散的二维函数,ϵ不能取得很小,图像中像素来离散的,而像素之间最小的距离是1,ϵ取为1,所以,上面的公式变为:
由此,我们得到了图像在x方向和y方向的梯度公式了。值得注意的是,如果我们仔细观察公式就可发现,所谓x方向和y方向的梯度公式不就是相邻连个像素值之间的差值吗?是的,你没看错,当然,我们很多时候都会将两个方向的梯度进行合成:
这里又是平方,又是开方的,计算量比较大,于是一般用绝对值来近似平方和平方根的操作,来降低计算量:
(x,y)处的梯度方向:
示例:
#coding:utf-8
import cv2
import numpy as np
# Scharr算子实现梯度计算
def Scharr_demo(image):
# x 方向梯度
image_grad_x = cv2.Scharr(image, cv2.CV_32F, 1, 0)
# y 方向梯度
image_grad_y = cv2.Scharr(image, cv2.CV_32F, 0, 1)
# 分别求绝对值并转化为8位的图像上,这样做方便显示
image_gradx = cv2.convertScaleAbs(image_grad_x)
image_grady = cv2.convertScaleAbs(image_grad_y)
# 显示两个方向图像
cv2.imshow("image_gradient-x", image_gradx)
cv2.imshow("image_gradient-y", image_grady)
#两个方向梯度的叠加,权重各自一半
image_gradxy = cv2.addWeighted(image_gradx, 0.5, image_grady, 0.5, 0)
cv2.imshow("image_gradient", image_gradxy)
if __name__ == '__main__':
image = cv2.imread("./test01.jpg")
cv2.imshow("src_image", image)
Scharr_demo(image)
cv2.waitKey(0)
cv2.destroyAllWindows()
- X 方向梯度
- y 方向梯度图像:
- X,Y方向叠加
总结:
图像梯度的本质:当前方向上相邻像素的差值。
利用梯度(灰度值的变化率)增强图像的清晰度
我们先考虑下x方向,选取某个像素,假设其像素值是100,沿x方向的相邻像素分别是90,90,90,则根据上面的计算其x方向梯度分别是10,0,0。这里只取变化率的绝对值,表明变化的大小即可。
我们看到,100和90之间亮度相差10,并不是很明显,与一大群90的连续灰度值在一起,轮廓必然是模糊的。我们注意到,如果相邻像素灰度值有变化,那么梯度就有值,如果相邻像素灰度值没有变化,那么梯度就为0。如果我们把梯度值与对应的像素相加,那么灰度值没有变化的,像素值不变,而有梯度值的,灰度值变大了。
示例:
import cv2
import numpy as np
moon = cv2.imread("moon.tif", 0)
row, column = moon.shape
moon_f = np.copy(moon)
moon_f = moon_f.astype("float")
gradient = np.zeros((row, column))
for x in range(row - 1):
for y in range(column - 1):
gx = abs(moon_f[x + 1, y] - moon_f[x, y])
gy = abs(moon_f[x, y + 1] - moon_f[x, y])
gradient[x, y] = gx + gy
sharp = moon_f + gradient
sharp = np.where(sharp < 0, 0, np.where(sharp > 255, 255, sharp))
gradient = gradient.astype("uint8")
sharp = sharp.astype("uint8")
cv2.imshow("moon", moon)
cv2.imshow("gradient", gradient)
cv2.imshow("sharp", sharp)
cv2.waitKey()