图像梯度 - 简书

图像梯度

梯度简单来说就是求导。
OpenCV 提供了三种不同的梯度滤波器，或者说高通滤波器：Sobel，Scharr 和 Laplacian。Sobel，Scharr 其实就是求一阶或二阶导数。Scharr 是对 Sobel（使用小的卷积核求解求解梯度角度时）的优化。Laplacian 是求二阶导数。
Sobel 算子是一个主要用作边缘检测的离散微分算子 (discrete differentiation operator)。 Sobel算子结合了高斯平滑和微分求导，用来计算图像灰度函数的近似梯度。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。

cv2.Sobel(src,cv2.ddepth,dx,dy,Ksize)

参数意义如下:

src：输入图像
ddepth：输出图像的深度，支持如下src.depth()和ddepth的组合：
- 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
- 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
- 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
- 若src.depth() = CV_64F, 取ddepth = -1/CV_64F
dx：x 方向上的差分阶数
dy：y方向上的差分阶数
ksize：核大小,默认值3，表示Sobel核的大小; 必须取1，3，5或7；

例子：sobel

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    img = cv2.imread('data/building.jpg',0)
    laplacian = cv2.Laplacian(img,cv2.CV_64F)
    #cv2.CV_64F输出图像的深度（数据类型），可以使用-1,与原图像保持一致np.uint8
    #参数1,0为只在x方向求一阶导数
    sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
    #参数0,1为只在y方向求一阶导数
    sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
    
    #sobel =cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3) # 效果不好
    sobel = cv2.add(sobelx,sobely)
    
    plt.figure(figsize=(10,8),dpi=80)
    plt.subplot(221)
    img_show('原图',img)
    plt.subplot(222)
    img_show('sobelx',sobelx)
    plt.subplot(223)
    img_show('sobely',sobely)
    plt.subplot(224)
    img_show('sobel',sobel)

sobel.png

sobel2.png

例子：scharr

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    img = cv2.imread('data/building.jpg',0)
    scharrx = cv2.Scharr(img,cv2.CV_64F,1,0)
    scharry = cv2.Scharr(img,cv2.CV_64F,0,1)
    
    scharr = cv2.add(scharrx,scharry)
    
    plt.figure(figsize=(10,8),dpi=80)
    plt.subplot(221)
    img_show('原图',img)
    plt.subplot(222)
    img_show('scharrx',scharrx)
    plt.subplot(223)
    img_show('scharry',scharry)
    plt.subplot(224)
    img_show('scharr',scharr)

scharr.png

例子：laplacian

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    img = cv2.imread('data/building.jpg',0)
    laplacian = cv2.Laplacian(img,cv2.CV_64F,ksize=5)
    
    plt.figure(figsize=(10,8),dpi=80)
    plt.subplot(121)
    img_show('原图',img) 
    
    plt.subplot(122)
    img_show('laplacian',laplacian)

laplacian.png

参考资料
《数字图像处理》《OpenCV-Python-Toturial-中文版》

最后编辑于：2019.08.04 07:52:51