OpenCV图像梯度

目标

在本章中，我们将学习：

• 寻找图像梯度、边缘等
• 我们将看到以下职能：cv2.sobel(), cv2.scharr(), cv2.Laplacian()等

理论

OpenCV提供三种类型的梯度滤波器或高通滤波器，Sobel、Scharr和Laplacian.我们会看到他们中的每一个。

1.Sobel和Scharr衍生物¶

Sobel算子是一种联合高斯平滑加微分运算，具有更强的抗噪声能力。您可以指定要采用的导数的方向，垂直的或水平的(分别通过参数yorder序和xorder)。还可以通过参数ksize指定内核的大小。如果ksize=-1，则使用3x3的Scharr滤波器，其结果优于3x3的Sobel滤波器。

2.拉普拉斯导数

它计算了这个关系给出的图像的拉普拉斯，其中每个导数都是用Sobel导数找到的。如果ksize = 1，然后使用以下内核进行筛选：

Code

下面的代码显示了一个图表中的所有运算符。所有的内核都是5x5大小的。输出图像的深度被传递-1以获得np.uint 8类型的结果。

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('dave.jpg',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：

一件重要的事！

在最后一个示例中，输出数据类型为cv2.CV_8U或np.uint 8。但这有一个小小的问题。黑白转换被认为是正斜率(它有一个正值)，而白到黑转变被认为是一个负斜率(它有负值)。因此，当您将数据转换为np.uint 8时，所有负斜率都为零。简单地说，你错过了那个边缘。

如果你想要检测两边，更好的选择是将输出数据类型保持在更高的形式，如cv2.CV_16s，cv2.CV_64F等，取其绝对值，然后转换回cv2.CV_8U。下面的代码演示了这个过程的水平Sobel过滤器和结果的差异。

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('box.png',0)

# Output dtype = cv2.CV_8U
sobelx8u = cv2.Sobel(img,cv2.CV_8U,1,0,ksize=5)

# Output dtype = cv2.CV_64F. Then take its absolute and convert to cv2.CV_8U
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：