1.sobel算子和scharr算子

Sobel算子在使用高斯平滑的情况下对图像像素进行x/y方向上的微分一阶求导，具有一定的抗噪性。opencv提供的sobel求导函数可以指定求导函数的x/y方向,还可以通过参数ksize指定内核的大小。如果ksize=-1，则使用3x3 Scharr算子，由于使用了不同的高斯内核,其效果优于3x3 Sobel滤波器,求导结果更为精确,梯度更为灵敏。
sobel的高斯内核：

scharr的高斯内核：

下面的例子,分别用不同尺寸的高斯内核,利用sobel算子/scharr算子计算图像x/y方向的梯度,并将xy方向的梯度简单的混合一下求个近似梯度：

def testSobel():
    img = cv2.imread('test2.jpg', 0)

    sobelx_3 = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
    sobely_3 = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)

    sobelx_5 = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=5)
    sobely_5 = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=5)

    scharrx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=-1)
    scharry = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=-1)

    sobelxy_3 = cv2.addWeighted(sobelx_3, 0.5, sobely_3, 0.5, 0)
    sobelxy_5 = cv2.addWeighted(sobelx_5, 0.5, sobely_5, 0.5, 0)
    scharrxy = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)

    # plt.subplot(121), pltShow(sobelx_3), plt.title("sobelx_3")
    # plt.subplot(122), pltShow(sobely_3), plt.title("sobely_3")

    # plt.subplot(121), pltShow(sobelx_5), plt.title("sobelx_5")
    # plt.subplot(122), pltShow(sobely_5), plt.title("sobely_5")

    # plt.subplot(121), pltShow(scharrx), plt.title("scharrx")
    # plt.subplot(122), pltShow(scharry), plt.title("scharry")

    # plt.subplot(121), pltShow(sobelxy_3), plt.title("sobelxy_3")
    # plt.subplot(122), pltShow(sobelxy_5), plt.title("sobelxy_5")

    plt.subplot(121), pltShow(scharrxy), plt.title("scharrxy")
    plt.subplot(122), pltShow(img), plt.title("origin")

    plt.show()

2.Laplacian算子

laplacian算子内部以sobel算子,在图像的x/y方向求二阶导数来检测边缘部分
计算公式为：

def testLaplacian():
    img = cv2.imread('test2.jpg', 0)
    laplacian = cv2.Laplacian(img, cv2.CV_64F)
    plt.subplot(121), pltShow(img), plt.title("origin")
    plt.subplot(122), pltShow(laplacian), plt.title("laplacian")
    plt.show()

3. 输出值类型问题

sobel算子输出结果的时候有个问题,图像像素灰度值由低到高的时候,一阶导数为正值,由高到底的时候,则是负值,此时如果输出结果是uint8类型,则负值会被丢弃,丢失掉这部分信息。
这点要注意,如果实在需要uint8的结果,可以用其它字段类型如64f等,得到最终结果后取绝对值转为uint8。

def testOutputType():
    img = cv2.imread('box.png', 0)
    # Output dtype = cv2.CV_8U
    sobelx8u = cv2.Sobel(img, cv2.CV_8U, 1, 0, ksize=5)
    # Output dtype = cv2.CV_64F. Then take its absolute and convert to cv2.CV_8U
    sobelx64f = cv2.Sobel(img, cv2.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()

本文链接：https://www.zoucz.com/blog/2019/04/13/48c21d10-5e01-11e9-90b5-eb40e9720ed0/

☞ 参与评论

Opencv图像处理系列（六）—— 图像梯度

1.sobel算子和scharr算子

2.Laplacian算子

3. 输出值类型问题