目標

在本章中，我們將學習：

• 查找圖像梯度，邊緣等
• 我們將看到以下函數：cv.Sobel()，cv.Scharr()，cv.Laplacian()等

理論

OpenCV提供三種類型的梯度濾波器或高通濾波器，即Sobel，Scharr和Laplacian。我們將看到他們每一種。

1. Sobel 和 Scharr 算子

Sobel算子是高斯平滑加微分運算的聯合運算，因此它更抗噪聲。逆可以指定要采用的導數方向，垂直或水平(分別通過參數yorder和xorder)。逆還可以通過參數ksize指定內核的大小。如果ksize = -1，則使用3x3 Scharr濾波器，比3x3 Sobel濾波器具有更好的結果。請參閱文檔以了解所使用的內核。

2. Laplacian 算子

它計算了由關系$Delta src = frac{partial ^2{src}}{partial x^2} + frac{partial ^2{src}}{partial y^2}$給出的圖像的拉普拉斯圖,它是每一階導數通過Sobel算子計算。如果ksize = 1,然后使用以下內核用于過濾:

代碼

下面的代碼顯示了單個圖表中的所有算子。所有內核都是5x5大小。輸出圖像的深度通過-1得到結果的np.uint8型。

import numpy as npimport cv2 as cvfrom matplotlib import pyplot as pltimg = cv.imread('dave.jpg',0)laplacian = cv.Laplacian(img,cv.CV_64F)sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)sobely = cv.Sobel(img,cv.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()

結果:

一個重要事項

在我們的最后一個示例中，輸出數據類型為cv.CV_8U或np.uint8。但這有一個小問題。黑色到白色的過渡被視為正斜率(具有正值)，而白色到黑色的過渡被視為負斜率(具有負值)。因此，當您將數據轉換為np.uint8時，所有負斜率均??設為零。簡而言之，您會錯過這一邊緣信息。

如果要檢測兩個邊緣，更好的選擇是將輸出數據類型保留為更高的形式，例如cv.CV_16S，cv.CV_64F等，取其絕對值，然后轉換回cv.CV_8U。下面的代碼演示了用于水平Sobel濾波器和結果差異的此過程。

import numpy as npimport cv2 as cvfrom matplotlib import pyplot as pltimg = cv.imread('box.png',0)# Output dtype = cv.CV_8Usobelx8u = cv.Sobel(img,cv.CV_8U,1,0,ksize=5)# Output dtype = cv.CV_64F. Then take its absolute and convert to cv.CV_8Usobelx64f = cv.Sobel(img,cv.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()

結果：

總結

以上是生活随笔為你收集整理的图像sobel梯度详细计算过程_OpenCV-Python 图像梯度 | 十八的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。