图像的梯度

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()