Python+OpenCV圖像處理之圖像梯度

圖像梯度可以把圖像看成二維離散函數，圖像梯度其實就是這個二維離散函數的求導

OpenCV提供了三種不同的梯度濾波器，或者說高通濾波器：Sobel，Scharr和Lapacian。Sobel，Scharr其實就是求一階或二階導。Scharr是對Sobel的部分優化。Laplacian是求二階導。

python實現

import cv2
import numpy as np


__author__ = "boboa"

# Sobel算子
def sobel_demo(image):
    gray_x = cv2.Sobel(image, cv2.CV_32F, 1, 0)  # x方向一階導數
    gray_y = cv2.Sobel(image, cv2.CV_32F, 0, 1)  # y方向一階導數
    gradx = cv2.convertScaleAbs(gray_x)  # 轉回原來的uint8形式
    grady = cv2.convertScaleAbs(gray_y)
    gradxy = cv2.addWeighted(gradx, 0.5, grady, 0.5, 0)  # 圖像融合
    cv2.imshow("gradient-x", gradx)
    cv2.imshow("gradient-y", grady)
    cv2.imshow("gradient_xy", gradxy)


# Scharr算子是Sobel算子的增強版本
def scharr_demo(image):
    grad_x = cv2.Scharr(image, cv2.CV_32F, 1, 0)
    grad_y = cv2.Scharr(image, cv2.CV_32F, 0, 1)
    gradx = cv2.convertScaleAbs(grad_x)
    grady = cv2.convertScaleAbs(grad_y)
    cv2.imshow("gradient_x", gradx)
    cv2.imshow("gradient_y", grady)
    gradxy = cv2.addWeighted(gradx, 0.5, grady, 0.5, 0)
    cv2.imshow("gradient_xy", gradxy)


def lapalian_demo(image): #拉普拉斯算子
    dst = cv2.Laplacian(image, cv2.CV_32F)
    lpls = cv2.convertScaleAbs(dst)
    # 自己定義卷積核
    # kernel = np.array([[0, 1, 0], [1, -4, 1], [0, 1, 0]])
    # dst = cv2.filter2D(image, cv2.CV_32F, kernel=kernel)
    lpls = cv2.convertScaleAbs(dst) #單通道
    cv2.imshow("lapalian", lpls)


if __name__ == "__main__":
    img = cv2.imread("image/img8.jpg")
    cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
    cv2.imshow("input image", img)
    lapalian_demo(img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

Sobel算子x和y方向的梯度，xy方向的梯度

Scharr算子

 拉普拉斯算子

cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])
參數：src-需要處理的圖像

　　   ddepth-圖像的深度，-1表示采用的是與原圖像相同的深度。目標圖像的深度必須大於等於原圖像的深度

　　   dx-x方向上的差分階數，1或0

　　   dy-y方向上的差分階數，1或0

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

參數：src-輸入需要處理的圖像

　　   ddepth-輸出圖像深度，針對不同的輸入圖像，輸出目標圖像有不同的深度

　　   dst-輸出與src相同大小和相同通道數的圖像

　　   ksize-用於計算二階導數濾波器的孔徑大小，大小必須是正數和奇數

　　   scale-計算拉普拉斯算子值的比例因子，默認情況下沒有伸縮系數

　　   delta-一個可選的增量，將會加到最終的dst中，同樣，默認情況下沒有額外的值加到dst中

　　   borderType-判斷圖像邊界的模式。這個參數默認值為cv2.BORDER_DEFAULT

cv2.convertScaleAbs(src[, dst[, alpha[, beta]]]) -> dst使用線性變換轉換輸入數組元素成8位無符號整型

參數：src-原數組

　　   dst-輸出數組 

　　   alpha-比例因子

　　   beta-原數組元素按比例縮放后添加的值

cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) -> dst

參數：src1-需要加權的第一個輸入數組

　　   alpha-第一個數組的權重

　　   src2-第二個輸入數組，它和第一個數組擁有相同的尺寸和通道數

　　   beta-第二個數組的權重

　　   gamma-一個加到權重總和上的標量值

　　   dst-輸出的數組，它和輸入的兩個數組擁有相同的尺寸和通道數

　　   dtype-輸出數組的可選深度。當兩個輸入數組具有相同的深度時，這個參數設置為-1（默認值），即等同於src1.depth（）