OpenCV图像处理笔记[05]

26. sobel理论基础

27. sobel算计及其函数使用

​ dst = cv2.Sobel( src, ddepth, dx, dy, [ ksize ])

​ dst, 计算结果 src, 原始图像

​ ddepth, 处理结果图像深度

​ dx, x轴方向

​ dy, y轴方向

​ ksize, 核大小

• ddepth, 处理结果图像深度

​ 通常情况下，可以将该参数的值设置为-1，让处理结果与原始图像保持一致

​ 实际操作中，计算梯度值可能会出现负数。通常处理的图像是np.unit8类型，如果结果也是该类型，所有负数会自动截断为0，发生信息丢失。所以通常计算时，使用更高的数据类型，cv.CV_64F, 取绝对值后，再转换为np.unit8（cv2.CV_8U)类型。

​ dst = cv2.convertScaleAbs( src [, alpha [ , beta]])

​ 作用： 将原始图像src转换为256色位图

​ 公式： 目标图像 = 调整 （ 原始图像 * alpha + beta )

​ 直接调整： 目标图像 = cv2.convertScaleAbs( 原始图像 )

• dx , x 轴方向

• dy , y 轴方向

  ​ 计算x方向梯度 ： 【dx = 1, dy =0]

  ​ 计算y方向梯度 ： 【dx = 0, dy =1]

• 计算sobel结果

  • • 方式1

      ​ dx = 1, dy = 1

      ​ dst = cv2.Sobel( src, ddepth, 1, 1 )

  • • 方式2

      ​ dx = cv2.Sobel( src, ddepth, 1, 0 )

      ​ dy = cv2.Sobel( src, ddepth, 0, 1 )

      ​ dst = dx + dy

      ​ dst = dx * 系数1 + dy * 系数2

    函数
    dst = cv2.addWeighted(src1，alpha，src2，beta，gamma）

    功能： 计算两幅图像的权重和

    ​ dst，计算结果 src1， 源图像1
    ​ alpha， 源图像1的系数
    ​ src2， 源图像2
    ​ beta， 源图像2的系数
    ​ gamma， 修正值
    关系 dst( I ) = saturate ( src1 ( I ) * alpha + src2( I ) * beta + gamma)
    例： dst = cv2.addWeighted(src1，0.5，src2，0.5，0）

28. scharr算子函数及其使用

​ 使用3 * 3的sobel算子时，可能不太精准，scharr算子效果更好

​ dst = Scharr ( src , ddpeth, dx, dy )

 dst，计算结果                  src1， 原始图像
                                ddepth， 处理结果图像深度
                                dx， x轴方向
                                dy， y轴方向                           

​ ddepth, 处理结果图像深度

​ dst = Scharr ( src, cv2.CV_64F, dx, dy )

​ dst = cv2.convertScaleAbs( dst )

dx， x轴方向        dy， y轴方向 
dst = Scharr ( src, ddpeth, dx = 1, dy = 0 )
dst = Scharr ( src, ddpeth, dx = 0, dy = 1 )
两个方向的梯度 = dx + dy
scharrxy = cv2.addWeighted ( scharrx, 0.5, scharry, 0.5, 0 )

​ 满足条件： dx >= 0 && dy >= 0 && dx + dy == 1

​ dst = Scharr ( src , ddpeth, dx, dy )

等价于

​ dst = cv2.Sobel( src, ddepth, dx, dy, -1)

29. sobel算子和scharr算子的比较

​ 不同之处：系数不同

​ 相同： 使用的卷积核大小一样，运算速度一样

​ scharr更精密一点

30. laplacian算子及其使用

​ 拉普拉斯算子类似于二阶sobel导数。实际上，在OpenCV中通过调用sobel算子来计算拉普拉斯算子。

​ 一阶导数 sobel算子 = |左 - 右| + |下 - 上| scharr算子 = |左 - 右| + |下 - 上|

​ 二阶导数 Laplacian算子 = |左 - 右| + |下 - 上| + |左 - 右| + |下 - 上|

• dst = cv2.Laplacian( src, ddepth )

  • dst , 结果图像

  • src , 原始图像

  • ddepth , 图像深度

    • 通常情况下，可以将该参数的值设为-1，让处理结果与原始图像保持一致。

    • 实际操作中，计算梯度值可能会出现负数。
      通常处理的图像是np.uint8类型，如果结果也是该类型，所有负数会自动截断为0，发生信息丢失。
      所以，通常计算时，使用更高的数据类型cv2.CV_64F，取绝对值后，再转换为np.uint8(cv2℃v81-J)类型。

      出现负数时：dst = cv2.convertScaIeAbs(src）
      将原始图像调整为256色位图。
      示例：目标图像 = cv2.convertScaleAbs（原始图像）