Python 官方文档：入门教程 => 点击学习
目录1. Sobel算子1.1 Sobel介绍1.2 横向Sobel算子1.3 纵向Sobel算子1.4 合并横纵向的方法提取更好的边缘的结果1.5 利用1.3方法绘制素描风格2.
OpenCV系列—本文底页有多个常用方法链接
cv2.Sobel(src, ddepth, dx, dy, ksize)
import cv2 # opencv读取的格式是BGR
def cv_show(img, name):
cv2.imshow(name, img)
cv2.waiTKEy()
cv2.destroyAllwindows()
img = cv2.imread('../img/pie.png', cv2.IMREAD_GRAYSCALE)
cv2.imshow("img", img)
cv2.waitKey()
cv2.destroyAllWindows()
pie.png原图（右击另存为下载）:
采用上述公式中的 G x G_{x} Gx滤波器扫描整张图，提取了左右两边有梯度差的位置，但是横向看圆的上顶端和下顶端的梯度不明显所以呈现图片如下上下端为虚线的圆。
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
cv_show(sobelx, 'sobelx')
结果如下:
白-黑是正数，黑-白就是负数了，所有的负数会被截断成0，所以要取绝对值。
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
cv_show(sobelx, 'sobelx')
加入绝对值后，梯度结果就可以有一个完整的圆:
采用上述公式中的 G y G_{y} Gy滤波器扫描整张图，提取了上下两边有梯度差的位置，但是纵向看圆的左顶端和右顶端的梯度不明显所以呈现图片如左右端为虚线的圆。
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
sobely = cv2.convertScaleAbs(sobely)
cv_show(sobely, 'sobely')
将横向梯度提取滤波器 Gx与纵向梯度提取滤波器Gy相加，即可得到效果较好的圆的边缘梯度信息。
sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
cv_show(sobelxy, 'sobelxy')
不推荐
sobelxy = cv2.Sobel(img, cv2.CV_64F, 1, 1, ksize=3)
sobelxy = cv2.convertScaleAbs(sobelxy)
cv_show(sobelxy, 'sobelxy')
结果显示，相对于分开使用横纵向算子边缘重影严重:
lena.jpg原图，另存为保存:
import cv2 # opencv读取的格式是BGR
img = cv2.imread('../img/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, 0, 1, ksize=3)
sobely = cv2.convertScaleAbs(sobely)
sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
cv_show(sobelxy, 'sobelxy')
import cv2 # opencv读取的格式是BGR
img = cv2.imread('../img/lena.jpg', cv2.IMREAD_GRAYSCALE)
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)
二阶动量对纹理细节区分更加丰富，结果图如下:
import cv2 # opencv读取的格式是BGR
img = cv2.imread('../img/lena.jpg', cv2.IMREAD_GRAYSCALE)
laplacian = cv2.Laplacian(img,cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)
需要配合其他操作共同使用，单个使用的效果不如上面两个算子，结果图如下:
到此这篇关于python+OpenCV之图像梯度详解的文章就介绍到这了,更多相关OpenCV图像梯度内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
--结束END--
本文标题: Python+OpenCV之图像梯度详解
本文链接: https://www.lsjlt.com/news/120619.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑，方便收藏和打印～
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
官方手机版
微信公众号
商务合作
0