图像梯度

合集 - Opencv(9)

1.Opencv在VS2022中的配置（Python)2023-04-212.opencv 图像和视频处理的基本操作（python)2023-04-213.图像平滑化处理 Opencv(python)2023-04-214.图片的腐蚀，膨胀，开丶闭运算，梯度计算，礼帽与黑帽2023-04-21

5.图像梯度2023-04-22

6.图像边缘检测（Canny)2023-04-227.图像金字塔2023-04-228.图像轮廓检测方法2023-04-229.模板匹配2023-04-22

收起

图像梯度
图像梯度计算的是图像变化的速度 对于图像的边缘部分，其灰度值变化较大，梯度值也较大
相反，对于图像中比较平滑的部分，其灰度值变化较小，相应的梯度值也较小。
图像梯度计算需要求导数，但是图像梯度一般通过计算像素值的差来得到梯度的近似值（近似导数值）。（差分，离散）

Sobel算子

#Sobel算法
#dst =  cv2.sobel(src,depth,dx,dy,ksize)
#depth:深度
#dx和dy分别表示水平和竖直方向
#ksize:sobel的算子大小
#cv2.CV_64F，因为在计算梯度的时候会涉及到负值，如果单纯设置为-1，则会把负值改为0，显然是不符合梯度要求的，
#所以一般设置为cv2.cv_64f返回结果就可以是64位的一个数值，就是[-255, 255]，
#这样如果出现负梯度，我们就把负梯度也保留了

sobelX = cv2.Sobel(img,cv2.CV_64F,1,0,3)
#白->黑是正数 相反是负数，会被截断为0  ，此时我们再用cv2.convertScaleAbs()函数把负梯度变正，就是我们的边缘信息了
sobelX = cv2.convertScaleAbs(sobelX)
Cv_Show('SobelX Picture',sobelX)

#sobelY同理
sobelY = cv2.Sobel(img,cv2.CV_64F,0,1,3)
sobelY = cv2.convertScaleAbs(sobelY)
Cv_Show('SobelY Picture',sobelY)

#将sobelX 和 sobelY通过cv2.addweighted()综合
sobelXY = cv2.addWeighted(sobelX, 0.5, sobelY, 0.5, 0)
Cv_Show('SobelXY Picture',sobelXY)

#如果直接求和 效果将会变差 出现重影等现象 故不建议
dirXY = cv2.Sobel(img,cv2.CV_64F,1,1,3)
dirXY = cv2.convertScaleAbs(dirXY)
Cv_Show('DirXY Picture',dirXY)

Scharr算子

#思想与sobel相同但是数值更大，相比于sobel对边缘更加敏感
scharrX = cv2.Scharr(img,cv2.CV_64F,1,0)
scharrY = cv2.Scharr(img,cv2.CV_64F,0,1)
scharrX = cv2.convertScaleAbs(scharrX)
scharrY = cv2.convertScaleAbs(scharrY)
scharrXY = cv2.addWeighted(scharrX,0.5,scharrY,0.5 ,0)
Cv_Show('Scharr Picture',scharrXY)

Laplacian算子

#Laplacian算子
##Sobel算子和Scharr算子相当于一阶导，而Laplacian算子则涉及了二阶导，但受噪音影响比较大,不建议直接使用 需要和其他工具配合
laplacian = cv2.Laplacian(img,Cv_Show)
laplacian = cv2.convertScaleAbs(laplacian)
Cv_Show('laplacian Picture',laplacian)

比较

res = np.hstack((sobelXY,scharrXY,laplacian))
Cv_Show('Sobel Scharr Laplacian Picture',res)