文章目录
一、Sobel算子
dst = cv2.Sobel(src,ddepth,dx,dy,ksize)
- ddepth:图像的深度
- dx和dy 分别表示水平和数值方向
- ksize是Sobel算子的大小 （1、3、5、7）
简单理解，Sobel算子可以在两个方向上进行梯度计算，对应的
G
x
G_{x}
Gx? 左右方向和
G
y
G_{y}
Gy? 上下方向。
左右方向： 右减左（从卷积算子可以看出）
上下方向：下减上（从卷积算子可以看出）
（1）程序演示
# 先显示原始的圆图片
import cv2
img = cv2.imread("yuan.jpg",cv2.IMREAD_GRAYSCALE)
print(img.shape)
img = cv2.resize(img,(700,700))
cv2.imshow("img",img)
cv2.waitKey(0)
cv2.destroyAllWindows()
def cv_show(img):
cv2.imshow('name',img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 负数被截断成0，所以显示半边
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize = 3) # 左右方向
cv_show(sobelx)
因为是右边减去左边，白减去黑是正数，黑减去白是负数，负数会被截断成0，所以要取绝对值。
#取绝对值之后，能够显示出来全部的边界 ,dx=1，dy=0, 左右，右减左
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize = 3) #左右方向
sobelx = cv2.convertScaleAbs(sobelx)
cv_show(sobelx)
# 负数被截断成0，所以显示半边
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
cv_show(sobely)
#取绝对值之后，能够显示出来全部的边界 ,dx=0，dy=1, 上下，下减上
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely)
cv_show(sobely)
（2）相加融合
可以观察到融合之后的白色的边界更加凝实，相比于单独的 x 和 y 来说。
sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0) # k1*x+k2*y+b
cv_show(sobelxy)
如果在程序里边同时设置 dx=1,dy=1，也是同样的达到了 上下左右的融合，但是效果不如单独计算再相加。
sobely = cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely)
cv_show(sobely)
Sobel 算子，对lena 的解析效果。
img = cv2.imread("lena1.jpg",cv2.IMREAD_GRAYSCALE)
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely)
sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
cv_show(sobelxy)
二、Scharr算子
dst = cv2.Scharr(src,ddepth,dx,dy)
- ddepth:图像的深度
- dx和dy 分别表示水平和数值方向
通过卷积算子可以看出，Scharr 和 Sobel 基本上是一样的，但是对于中心点周边的权重大小不一样。相比于Sobel ,对于噪声更加敏感，
显示也相应的更加细致。
（1）程序演示（相加融合和上边一样）
# 读取lina图片， 分别进行 左右和上下 方向上的计算，然后再相加融合
img =cv2.imread('lena1.jpg',cv2.IMREAD_GRAYSCALE)
scharrx = cv2.Scharr(img,cv2.CV_64F,1,0)
scharrx = cv2.convertScaleAbs(scharrx)
scharry = cv2.Scharr(img,cv2.CV_64F,0,1)
scharry = cv2.convertScaleAbs(scharry)
scharrxy = cv2.addWeighted(scharrx,0.5,scharry,0.5,0)
cv_show(scharrxy)
三、Laplacian 算子
dst = cv2.Laplacian(src,ddepth)
- ddepth:图像的深度
（1）程序演示
laplacian = cv2.Laplacian(img,cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)
cv_show(laplacian)
四、三种方法的结果比较
（1）原图
img = cv2.imread("lena1.jpg",cv2.IMREAD_GRAYSCALE)
cv_show(img)
（2）三种方法对比
import numpy as np
img = cv2.imread("lena1.jpg",cv2.IMREAD_GRAYSCALE)
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely)
sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)
img =cv2.imread('lena1.jpg',cv2.IMREAD_GRAYSCALE)
scharrx = cv2.Scharr(img,cv2.CV_64F,1,0)
scharrx = cv2.convertScaleAbs(scharrx)
scharry = cv2.Scharr(img,cv2.CV_64F,0,1)
scharry = cv2.convertScaleAbs(scharry)
scharrxy = cv2.addWeighted(scharrx,0.5,scharry,0.5,0)
laplacian = cv2.Laplacian(img,cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)
vs_slbel_scharr_laplacian = np.hstack((sobelxy,scharrxy,laplacian))
cv_show(vs_slbel_scharr_laplacian )
