【OpenCV-Python】教程：3-6 图像梯度与边缘，Sobel、Scharr、Laplacian

OpenCV Python 图像梯度与边缘

【目标】

• 寻找图像的梯度、边缘等
• sobel/Scharr/Laplacian

OpenCV 提供3种梯度算子（高通滤波器），分别是 Sobel、Scharr和Laplacian

【代码】

OpenCV 官网的代码和效果图片对应不上。

• CV_64F 的边缘图

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('sudoku.png',0)

laplacian = cv2.Laplacian(img, cv2.CV_64F)
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, 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()

• CV_8U 的边缘图

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('sudoku.png', 0)

scharr_x = cv2.Scharr(img, cv2.CV_8U, 1, 0)
scharr_y = cv2.Scharr(img, cv2.CV_8U, 0, 1)

laplacian = cv2.Laplacian(img, cv2.CV_8U)
sobelx = cv2.Sobel(img, cv2.CV_8U, 1, 0, ksize=5)
sobely = cv2.Sobel(img, cv2.CV_8U, 0, 1, ksize=5)

plt.subplot(2, 3, 1), plt.imshow(img, cmap='gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])

plt.subplot(2, 3, 2), plt.imshow(sobelx, cmap='gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])

plt.subplot(2, 3, 3), plt.imshow(scharr_x, cmap='gray')
plt.title('scharr X'), plt.xticks([]), plt.yticks([])

plt.subplot(2, 3, 4), plt.imshow(laplacian, cmap='gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])

plt.subplot(2, 3, 5), plt.imshow(sobely, cmap='gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])

plt.subplot(2, 3, 6), plt.imshow(scharr_y, cmap='gray')
plt.title('scharr Y'), plt.xticks([]), plt.yticks([])


plt.show()

梯度计算时被截断了

import numpy as np
import cv2
from matplotlib import pyplot as plt
# img = cv2.imread('sudoku.png', 0)
img = cv2.imread('box.png', 0)
# Output dtype = cv2.CV_8U
sobelx8u = cv2.Sobel(img, cv2.CV_8U, 1, 0, ksize=5)
# Output dtype = cv2.CV_64F. Then take its absolute and convert to cv2.CV_8U
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()

【接口】

• Sobel

void cv::Sobel	(	InputArray 	src,
OutputArray 	dst,
int 	ddepth,
int 	dx,
int 	dy,
int 	ksize = 3,
double 	scale = 1,
double 	delta = 0,
int 	borderType = BORDER_DEFAULT 
);

cv2.Sobel(	src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]]	) ->	dst

计算图像的一阶、二阶、三阶Sobel梯度，当ksize=1时，使用 3x1 或者 1x3 的核；ksize=1时，只计算x方向或者y方向的一阶二阶梯度

• src: 输入图像
• dst: 输出图像，通道数和尺寸与源图像一致
• ddepth: 图像的深度，输入为8位，输出结果会截断
• dx: x方向梯度值的阶数
• dy: y方向梯度值的阶数
• ksize: Sobel算子的Kernel尺寸，取值为1、3、5、7
• scale: 可选的尺度参数，默认不选用
• delta: 可选的偏移参数，可以增强结果，默认不选用，
• borderType: 扩边类型，不支持BORDER_WRAP

• dx = 1, dy = 0, ksize = 3

$$\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$$

• dx = 0, dy = 1, ksize = 3
  $$\left[\begin{array}{ccc}-1& -2& -1\\ 0& 0& 0\\ 1& 2& 1\end{array}\right]$$

• Laplacian

void cv::Laplacian	(	InputArray 	src,
OutputArray 	dst,
int 	ddepth,
int 	ksize = 1,
double 	scale = 1,
double 	delta = 0,
int 	borderType = BORDER_DEFAULT 
);

cv2.Laplacian(	src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]]	) ->	dst

计算图像的 Laplacian 梯度
Laplacian是一个二阶导数算子

• src: 输入图像
• dst: 输出图像，通道数和尺寸与源图像一致
• ddepth: 图像的深度，输入为8位，输出结果会截断
• ksize: Sobel算子的Kernel尺寸，取值为正奇数
• scale: 可选的尺度参数，默认不选用
• delta: 可选的偏移参数，可以增强结果，默认不选用，
• borderType: 扩边类型，不支持BORDER_WRAP

• ksize = 1时

$$\left[\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array}\right]$$

• Scharr

void cv::Scharr	(	InputArray 	src,
OutputArray 	dst,
int 	ddepth,
int 	dx,
int 	dy,
double 	scale = 1,
double 	delta = 0,
int 	borderType = BORDER_DEFAULT 
);

cv2.Scharr(	src, ddepth, dx, dy[, dst[, scale[, delta[, borderType]]]]	) ->	dst

利用 Scharr 算子计算图像的一阶 X-, Y- 方向的梯度；

• src: 输入图像
• dst: 输出图像，通道数和尺寸与源图像一致
• ddepth: 图像的深度，输入为8位，输出结果会截断
• dx: x方向梯度值的阶数
• dy: y方向梯度值的阶数
• scale: 可选的尺度参数，默认不选用
• delta: 可选的偏移参数，可以增强结果，默认不选用，
• borderType: 扩边类型，不支持BORDER_WRAP

【参考】

1. OpenCV 官方文档