目标

在本章中，我们将学习：

查找图像梯度，边缘等

我们将看到以下函数：cv．Sobel（），cv．Scharr（），cv．Laplacian（）等

理论

OpenCV提供三种类型的梯度滤波器或高通滤波器，即Sobel，Scharr和Laplacian。我们将看到他们每一种。

1． Sobel 和 Scharr 算子

Sobel算子是高斯平滑加微分运算的联合运算，因此它更抗噪声。逆可以指定要采用的导数方向，垂直或水平（分别通过参数yorder和xorder）。逆还可以通过参数ksize指定内核的大小。如果ksize ＝ －1，则使用3x3 Scharr滤波器，比3x3 Sobel滤波器具有更好的结果。请参阅文档以了解所使用的内核。

2． Laplacian 算子

它计算了由关系

给出的图像的拉普拉斯图，它是每一阶导数通过Sobel算子计算。如果ksize ＝ 1，然后使用以下内核用于过滤：

代码

下面的代码显示了单个图表中的所有算子。所有内核都是5x5大小。输出图像的深度通过－1得到结果的np．uint8型。

kernel ＝ egin｛bmatrix｝ 0 ＆ 1 ＆ 0  1 ＆ －4 ＆ 1  0 ＆ 1 ＆ 0 end｛bm下面的代码显示了单个图表中的所有算子。所有内核都是5x5大小。输出图像的深度通过－1得到结果的np．uint8型。

import numpy as np

import cv2 as cv

from matplotlib import pyplot as plt

img ＝ 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（）

结果：

gradients

一个重要事项

在我们的最后一个示例中，输出数据类型为cv．CV＿8U或np．uint8。但这有一个小问题。黑色到白色的过渡被视为正斜率（具有正值），而白色到黑色的过渡被视为负斜率（具有负值）。因此，当您将数据转换为np．uint8时，所有负斜率均设为零。简而言之，您会错过这一边缘信息。

如果要检测两个边缘，更好的选择是将输出数据类型保留为更高的形式，例如cv．CV＿16S，cv．CV＿64F等，取其绝对值，然后转换回cv．CV＿8U。
下面的代码演示了用于水平Sobel滤波器和结果差异的此过程。

import numpy as np

import cv2 as cv

from matplotlib import pyplot as plt

img ＝ cv．imread（＇box．png＇，0）

＃ Output dtype ＝ cv．CV＿8U

sobelx8u ＝ cv．Sobel（img，cv．CV＿8U，1，0，ksize＝5）

＃ Output dtype ＝ cv．CV＿64F． Then take its absolute and convert to cv．CV＿8U

sobelx64f ＝ 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（）

查看以下结果：

double＿edge

不断更新资源

获取更多精彩