2021-10-09 OpenCV1图像梯度

图像梯度-Sobel算子

计算图像中梯度是多少或者把有梯度的地方找出来
先计算目标点上下左右是什么
用两个矩阵计算出上下左右差异，右减左上剪减去下由式子看出，离中心越近权重越大，越远越小

import cv2 #opencv读取格式是BGR
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

img=cv2.imread('pie.png',cv2.IMREAD_GRAYSCALE)
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

dst=cv2.Sobel(src, ddepth, dx, dy, ksize)
-ddepeh:图像的深度
-dx和dy分别表示水平和竖直方向
-ksize是Sobel算子的大小

import cv2 #opencv读取格式是BGR
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

img=cv2.imread('pie.png',cv2.IMREAD_GRAYSCALE)
#读入饼图，转化成灰度图（养成习惯）
cv2.imshow('img',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

#先写一个显示函数方便后面操作
def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

计算水平方向上的梯度图像

sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
#表示负数
#x算水平的
cv_show(sobelx,'sobelx')
#右减左，在圆左侧的时候是白减黑，右侧是黑减白

黑减白等于负数，默认显示为黑，所以右边没有图像

sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
#表示负数
#x算水平的1,0
sobelx=cv2.convertScaleAbs(sobelx)
#计算绝对值
cv_show(sobelx,'sobelx')

计算竖直方向上的梯度图像

sobely=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
#表示负数
#y算竖直的0,1
sobely=cv2.convertScaleAbs(sobely)
#计算绝对值
cv_show(sobely,'sobely')

现对水平竖直方向进行融合，其中可以赋予他们权重

#分别计算x,y再求和
sobelxy=cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
cv_show(sobelxy,'sobelxy')

不建议直接计算，效果不好

sobelxy=cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3)
#将x,y都设成1直接得出结果
sobelxy=cv2.convertScaleAbs(sobelxy)
#取绝对值
cv_show(sobelxy,'sobelxy')

另一组更明显的女人图对比
先算再加

img=cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)
sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx=cv2.convertScaleAbs(sobelx)
sobely=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobely=cv2.convertScaleAbs(sobely)
sobelxy=cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
cv_show(sobelxy,'sobelxy')

直接计算

img=cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)
sobelxy=cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3)
sobelxy=cv2.convertScaleAbs(sobelxy)
cv_show(sobelxy,'sobelxy')

图像梯度-Saharr算子

图像梯度-laplacian算子

对噪音点比较敏感

三种算法对比

#sobel
img=cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)
sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx=cv2.convertScaleAbs(sobelx)
sobely=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobely=cv2.convertScaleAbs(sobely)
sobelxy=cv2.addWeighted(sobelx,0.5,sobely,0.5,0)

#scharr
scharrx=cv2.Scharr(img,cv2.CV_64F,1,0)
scharrx=cv2.convertScaleAbs(scharrx)
scharry=cv2.Scharr(img,cv2.CV_64F,1,0)
scharry=cv2.convertScaleAbs(scharry)
scharrxy=cv2.addWeighted(scharrx,0.5,scharry,0.5,0)

#laplacian
laplacian=cv2.Laplacian(img,cv2.CV_64F)
laplacian=cv2.convertScaleAbs(laplacian)

res=np.hstack((sobelxy,scharrxy,laplacian))
#一起输出
cv_show(res,'res')

scharr算子对变换更敏感，捕捉信息更丰富
laplacian要跟其他方法结合

标签：10,img,64F,09,cv2,sobelxy,OpenCV1,sobely,sobelx
来源： https://blog.csdn.net/qq_51943634/article/details/120677968