图像梯度-Sobel算子

• 形态学梯度：膨胀减去腐蚀
• 图像梯度：指边缘处产生的，常指二值图像中的黑白处。

---

dst = cv2.Sobel(src, ddepth, dx, dy, ksize)-----------白减去黑，或者黑减去白

• ddepth:图像的深度，一般会写CV_64F，可以出现负数
• dx和dy分别表示水平和竖直方向，水平：1,0（右边减左边）；竖直：0,1（下面减上面）；
• ksize是Sobel算子的大小

两个方向的sobel算子如下所示，我们采用模板对原图像进行卷积运算，即某处的像素的8邻域的9个像素值分别与sobel算子进行相乘再加和得到该处的像素值，通过观察可知，Gx就是该像素右边的三个相邻像素减去左边的三个相邻像素，Gy就是上面的三个相邻像素减去下面的三个相邻像素。为什么有的是2，有的是1呢？这是因为sobel算子将与目标像素距离近的相邻像素（横着竖着方向）权值设为2，距离远的（斜着的对角线）设置为1，认为距离远的影响小，距离近的影响大。

 

---

---

原图：

sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)

白到黑是正数，黑到白就是负数了，所有的负数opencv默认会被截断成0，所以要取绝对值

（若不取绝对值，那么黑到白会是负数，opencv默认处理为0，图像此处边缘就无法显示。只显示一边的边缘，如上图）

sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)  -------------取绝对值

sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely)  -------------取绝对值

分别计算x和y，再求和

sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)

不建议直接计算，如果像下面直接计算（直接写1,1），产生的梯度会不太连续，不如分开再加和效果好。（如下图）

sobelxy=cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3)
sobelxy = cv2.convertScaleAbs(sobelxy) 

完整代码：

import cv2
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

def cv_imshow(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
#分开计算再相加
img =cv2.imread('F://from 2to7 notebook//images//lena.jpg')
sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx=cv2.convertScaleAbs(sobelx)
sobely=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobely=cv2.convertScaleAbs(sobely)
sobelxy=cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
cv_imshow('sobelxy',sobelxy)
#直接计算水平与竖直方向
sobelxy1=cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3)
sobelxy1=cv2.convertScaleAbs(sobelxy1)
cv_imshow('sobelxy1',sobelxy1)