opencv 图像梯度

学习图像梯度，图像边界等
使用到的函数有： cv2.Sobel()， cv2.Schar()， cv2.Laplacian() 等

原理

  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。

1、 Sobel 算子和 Scharr 算子

  Sobel 算子是高斯平滑与微分操作的结合体，所以它的抗噪声能力很好，可以设定求导的方向（xorder 或 yorder），还可以设定使用的卷积核的大小（ksize），如果 ksize=-1，会使用 3x3 的 Scharr 滤波器，它的的效果要比 3x3 的 Sobel 滤波器好（而且速度相同，所以在使用 3x3 滤波器时应该尽量使用 Scharr 滤波器）。 3x3 的 Scharr 滤波器卷积核如下：

2、 Laplacian 算子

  拉普拉斯算子可以使用二阶导数的形式定义，可假设其离散实现类似于二阶 Sobel 导数，事实上， OpenCV 在计算拉普拉斯算子时直接调用 Sobel 算子。计算公式如下：

代码：

import cv2import numpy as np from matplotlib import pyplot as plt img = cv2.imread('image/2.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()

结果图：

注：可以通过参数 -1 来设定输出图像的深度（数据类型）与原图像保持一致，但是在代码中使用的却是 cv2.CV_64F，这是为什么呢？想象一下一个从黑到白的边界的导数是整数，而一个从白到黑的边界点导数却是负数。如果原图像的深度是np.int8 时，所有的负值都会被截断变成 0，换句话说就是把边界丢失掉。所以如果这两种边界你都想检测到，最好的的办法就是将输出的数据类型设置的更高，比如 cv2.CV_16S， cv2.CV_64F 等。取绝对值然后再把它转回到 cv2.CV_8U。下面的示例演示了输出图片的深度不同造成的不同效果。

import cv2import numpy as np from matplotlib import pyplot as plt img = cv2.imread('image/4.png',0)sobelx8u = cv2.Sobel(img, cv2.CV_8U, 1, 0,ksize=5)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()

结果图：

参考：opencv官方教程中文版（For Python)