梯度运算
import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
def cvshow(name, ndarray):
cv2.imshow(name, ndarray)
cv2.waitKey(0)
cv2.destroyAllWindows()
Sobel算子
dst = cv2.Sobel( src, ddepth, dx, dy[,ksize[, scale[, delta[, borderType]]]] )
- ddepth:代表输出图像的深度
- dx和dy分别表示水平和竖直方向
- ksize 代表 Sobel 核的大小。该值为-1 时，则会使用 Scharr 算子进行运算
- scale 代表计算导数值时所采用的缩放因子，默认情况下该值是 1，是没有缩放的
- delta 代表加在目标图像 dst 上的值，该值是可选的，默认为 0
- borderType 代表边界样式
rec = cv2.imread("rectangle.png", cv2.IMREAD_GRAYSCALE)
cvshow("rec", rec)
rec_sobel_x = cv2.Sobel(rec, -1, 1, 0)
cvshow("sobel_x", rec_sobel_x)
从程序可以看出，当参数 ddepth 的值为-1 时，只得到了内层的两条边界。这是因为，黑色框减去左边的白色像素值为负数，其在显示时被调整为 0，如果处理的图像是 8 位图类型，则在 ddepth
的参数值为-1 时，意味着指定运算结果也是 8 位图类型，那么所有负数会自动截断为 0，发生
信息丢失。为了避免信息丢失，在计算时要先使用更高的数据类型 cv2.CV_64F，再通过取绝
对值将其映射为 cv2.CV_8U（8 位图）类型。所以，通常要将函数 cv2.Sobel()内参数 ddepth 的
值设置为”cv2.CV_64F”。在 OpenCV 中，使用函数 cv2.convertScaleAbs()对参数取绝对值
dst = cv2.convertScaleAbs( src [, alpha[, beta]] )
- dst 代表处理结果
- src 代表原始图像
- alpha 代表调节系数，该值是可选值，默认为 1
- beta 代表调节亮度值，该值是默认值，默认为 0
rec_x = cv2.Sobel(rec, cv2.CV_64F, 1, 0)
rec_x = cv2.convertScaleAbs(rec_x)
rec_y = cv2.Sobel(rec, cv2.CV_64F, 0, 1)
rec_y = cv2.convertScaleAbs(rec_y)
res_sobel = cv2.addWeighted(rec_x, 0.5, rec_y, 0.5, 0)
cvshow("sobel", res_sobel)
Scharr算子
Scharr算子可以看成是sobel算子的改良版
; laplacian算子
lena = cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)
sobelx = cv2.Sobel(lena,cv2.CV_64F,1,0,ksize=3)
sobely = cv2.Sobel(lena,cv2.CV_64F,0,1,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.convertScaleAbs(sobely)
sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
scharrx = cv2.Scharr(lena,cv2.CV_64F,1,0)
scharry = cv2.Scharr(lena,cv2.CV_64F,0,1)
scharrx = cv2.convertScaleAbs(scharrx)
scharry = cv2.convertScaleAbs(scharry)
scharrxy = cv2.addWeighted(scharrx,0.5,scharry,0.5,0)
laplacian = cv2.Laplacian(lena,cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)
res = np.hstack((sobelxy,scharrxy,laplacian))
cvshow("res",res)
Original: https://blog.csdn.net/D_Low/article/details/124220013
Author: One_T.
Title: openCV——梯度运算
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/645506/
转载文章受原作者版权保护。转载请注明原作者出处！