图像梯度
<h1>目标</h1>
<p>在本章中，我们将学习:</p>
<ul>
<li>查找图像梯度、边缘等</li>
<li>我们将看到以下函数: cv.Sobel(), cv.Scharr(), cv.Laplacian()等</li>
</ul>
<h1>原理</h1>
<p>OpenCV提供三种类型的梯度滤波器或高通滤波器，Sobel、Scharr和Laplacian。我们将看到他们每一个的原理及python实现。</p>
<ol>
<li>Sobel和Scharr衍生物</li>
</ol>
<p>Sobel算子是一种高斯平滑加微分的联合运算，具有较强的抗噪声能力。您可以指定要执行的导数的方向，垂直方向或水平方向(分别由参数yorder和xorder指定)。您还可以通过参数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。请参阅使用内核的文档。</p>
<ol>
<li>拉普拉斯算子的衍生品</li>
</ol>
<p>它计算关系给出的图像的拉普拉斯变换,<img src="https://www.showdoc.cc/server/api/common/visitfile/sign/b00d89b8c22691c0a8291f122f8056ef?showdoc=.jpg" alt="" />每个导数都是用索贝尔导数求出来的。如果ksize = 1，则使用以下内核进行过滤:</p>
<p><img src="https://www.showdoc.cc/server/api/common/visitfile/sign/56e11902492aacb3155541d5e4719030?showdoc=.jpg" alt="" /></p>
<h2>代码</h2>
<p>下面的代码在一个图中显示了所有的操作符。所有内核的大小都是5x5。在np.uint8 type中，输出图像的深度通过-1得到结果。</p>
<pre><code class="language-python">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()</code></pre>
<p>结果:
<img src="https://www.showdoc.cc/server/api/common/visitfile/sign/881f37af93d40624d15e8ba8444109c4?showdoc=.jpg" alt="" /></p>
<h2>一个重要的事情！</h2>
<p>在上一个示例中，输出数据类型为cv.CV_8U或np.uint8。但有一个小问题。以黑白片过渡为正斜率(为正值)，以白白片过渡为负斜率(为负值)。当你把数据转换成np.uint8，所有负斜率为零。简单地说，你错过了这个边缘。</p>
<p>如果您想检测这两条边，更好的选择是将输出数据类型保持为一些更高的形式，比如cv.CV_16S,cv.CV_64F等，取其绝对值，然后转换回cv.CV_8U。下面的代码演示了水平Sobel过滤器的这个过程以及结果的差异。</p>
<pre><code class="language-python">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()</code></pre>
<p>检查结果如下:</p>
<p><img src="https://www.showdoc.cc/server/api/common/visitfile/sign/08f313ea37175c43a7ad534fd0a09416?showdoc=.jpg" alt="" /></p>