图像梯度

一.sobel算子

其掩模结构为：

opencv中提供了cv2.Sobel()来实现Sobel算子的运算，其语法常用形式：

dst=cv2.Sobel(src,ddepth,dx,dy,[,ksize[,scale[,delta[,borderType]]]])

参数说明：
dst：目标输出图像
src：原始输入图像
ddepth：图像深度，默认值-1与原始图像相同深度，但注意原始图像一般为cv2.CV_8U，则由于求梯度的时候会出现负值的情况，其会将负值直接置为0，此时会丢失图像许多信息，所以要将其一般转化为更高位灰度去求梯度，再对结果求绝对值。ddepth一般取cv2.CV_64F。
dx：代表x方向上求导
dy：代表y方向上求导
ksize：掩模大小
scale：求导之后值的缩放因子，默认为1，即不会缩放
delta：表示偏置在目标图像上的值，用于调节亮度
borderType：边界处理类型
注意：ddepth取cv2.CV_64F进行运算之后，一定要对结果取绝对值，opencv中提供取绝对值函数为cv2.convertScaleAbs()，其语法格式：

	dst=cv2.convertScaleAbs(src)

当我们要同时得到x与y方向边缘的信息时，应通过分别对x方向和y方向求导，在对两幅图像进行叠加，而不能另dx，dy同时为1。

import cv2
image=cv2.imread("wb6.png")
#对x方向求梯度
sobelx=cv2.Sobel(image,ddepth=cv2.CV_64F,dx=1,dy=0)
sobelx=cv2.convertScaleAbs(sobelx)
#对y方向求梯度
sobely=cv2.Sobel(image,ddepth=cv2.CV_64F,dx=0,dy=1)
sobely=cv2.convertScaleAbs(sobely)
#对两者叠加
sobelxy=cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
#令dx,dy同时为1
sobel=cv2.Sobel(image,ddepth=cv2.CV_64F,dx=1,dy=1)
sobel=cv2.convertScaleAbs(sobel)
cv2.imshow("image",image)
cv2.imshow("sobelx",sobelx)
cv2.imshow("sobely",sobely)
cv2.imshow("sobelxy",sobelxy)
cv2.imshow("sobel",sobel)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果：

二.scharr算子

其基本思想与sobel算子一样，只是两者所使用掩模的结构不一样，在运算中，其梯度近似的结果比sobel更精确，其算子如下：

在opencv中提供的函数为cv2.Scharr()，语法形式如下：

dst=cv2.Sobel(src,ddepth,dx,dy,[,ksize[,scale[,delta[,borderType]]]])

个参数的含义与sobel中完全一样，值得注意的是其dx与dy不能同时为0，否则就会报错。

import cv2
image=cv2.imread("wb6.png")
#对x方向求梯度
sobelx=cv2.Sobel(image,ddepth=cv2.CV_64F,dx=1,dy=0)
sobelx=cv2.convertScaleAbs(sobelx)
#对y方向求梯度
sobely=cv2.Sobel(image,ddepth=cv2.CV_64F,dx=0,dy=1)
sobely=cv2.convertScaleAbs(sobely)
#对两者叠加
sobelxy=cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
#对x方向求梯度
scharrx=cv2.Scharr(image,ddepth=cv2.CV_64F,dx=1,dy=0)
scharrx=cv2.convertScaleAbs(sobelx)
#对y方向求梯度
scharry=cv2.Scharr(image,ddepth=cv2.CV_64F,dx=0,dy=1)
scharry=cv2.convertScaleAbs(sobely)
#对两者叠加
scharrxy=cv2.addWeighted(scharrx,0.5,scharry,0.5,0)
cv2.imshow("image",image)
cv2.imshow("sobelx",sobelx)
cv2.imshow("sobely",sobely)
cv2.imshow("sobelxy",sobelxy)
cv2.imshow("scharrx",sobelx)
cv2.imshow("scahrry",sobely)
cv2.imshow("scharrxy",sobelxy)
cv2.waitKey(0)
cv2.destroyAllWindows()

运行结果比较：

三.laplace算子

其是对像素点求二阶导，即二阶差分，其对噪声点的锐化更加突出。
opencv提供的函数为：
cv2.Laplacian()，其语法格式：

dst=cv2.Laplacian(src,ddepth,[,ksize[,scale[,delta[,borderType]]]])

各参数意义与sobel一样，只是其求二阶导，无需指定对dx，与dy方向是否求导。

可以看出其对一些细节更加突出。

今天的文章图像梯度分享到此就结束了，感谢您的阅读。