OpenCV自学笔记十三:图像梯度

目录

1、Sobel算子及函数使用

2、Scharr算子及函数使用

3、Lapiacian算子及函数使用


1、Sobel算子及函数使用

Sobel算子是一种常用于图像边缘检测的算法,它利用了图像中像素灰度值的变化来寻找边缘。在OpenCV中,可以使用函数cv2.Sobel()来实现Sobel算子的功能。

下面是一个示例代码,展示了如何使用Sobel算子进行图像边缘检测:

复制代码
import cv2

import numpy as np

# 读取图像

img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 对图像应用Sobel算子

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

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

# 将结果转换为无符号8位整型

sobelx = cv2.convertScaleAbs(sobelx)

sobely = cv2.convertScaleAbs(sobely)

# 合并x和y方向的梯度

gradient = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)

# 显示结果

cv2.imshow("Sobel", gradient)

cv2.waitKey(0)

cv2.destroyAllWindows()

在这个示例中,我们首先读取一张灰度图像,然后分别应用Sobel算子的x和y方向的核,通过`cv2.Sobel()`函数实现。第二个参数`cv2.CV_64F`指定了输出图像的深度。ksize参数指定了Sobel算子的大小,这里设为3表示使用3x3的核。

最后,我们将x和y方向的梯度图像合并起来,并通过`cv2.addWeighted()`函数进行加权融合。最后,将结果通过`cv2.imshow()`显示出来。

需要注意的是,Sobel算子对噪声比较敏感,所以在应用之前,可以先对图像进行平滑处理,例如使用高斯模糊 (`cv2.GaussianBlur()`) 函数。

2、Scharr算子及函数使用

Scharr算子是一种常用于图像边缘检测的算法,它与Sobel算子类似,但具有更好的性能。在OpenCV中,可以使用函数cv2.Scharr()来实现Scharr算子的功能。

下面是一个示例代码,展示了如何使用Scharr算子进行图像边缘检测:

复制代码
import cv2

import numpy as np

# 读取图像

img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 对图像应用Scharr算子

scharrx = cv2.Scharr(img, cv2.CV_64F, 1, 0)

scharry = cv2.Scharr(img, cv2.CV_64F, 0, 1)

# 将结果转换为无符号8位整型

scharrx = cv2.convertScaleAbs(scharrx)

scharry = cv2.convertScaleAbs(scharry)

# 合并x和y方向的梯度

gradient = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)

# 显示结果

cv2.imshow("Scharr", gradient)

cv2.waitKey(0)

cv2.destroyAllWindows()

在这个示例中,我们首先读取一张灰度图像,然后分别应用Scharr算子的x和y方向的核,通过`cv2.Scharr()`函数实现。第二个参数`cv2.CV_64F`指定了输出图像的深度。

接着,将x和y方向的梯度图像通过`cv2.convertScaleAbs()`函数转换为无符号8位整型。

最后,将x和y方向的梯度图像合并起来,并通过`cv2.addWeighted()`函数进行加权融合。最后,将结果通过`cv2.imshow()`显示出来。

与Sobel算子类似,Scharr算子也对噪声比较敏感,所以在应用之前,可以先对图像进行平滑处理,例如使用高斯模糊 (`cv2.GaussianBlur()`) 函数。

3、Lapiacian算子及函数使用

Laplacian(拉普拉斯)算子是一种常用于图像边缘检测的算法,它可以提取图像中的二阶导数信息,从而寻找图像中的边缘。在OpenCV中,可以使用函数cv2.Laplacian()来实现Laplacian算子的功能。下面是一个示例代码,展示了如何使用Laplacian算子进行图像边缘检测:

复制代码
import cv2
import numpy as np

# 读取图像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 对图像应用Laplacian算子
laplacian = cv2.Laplacian(img, cv2.CV_64F)

# 将结果转换为无符号8位整型
laplacian = cv2.convertScaleAbs(laplacian)

# 显示结果
cv2.imshow("Laplacian", laplacian)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中,我们首先读取了一张灰度图像,然后应用Laplacian算子,通过`cv2.Laplacian()`函数实现。第二个参数`cv2.CV_64F`指定了输出图像的深度。

接下来,将Laplacian算子的结果通过`cv2.convertScaleAbs()`函数转换为无符号8位整型。

最后,使用`cv2.imshow()`显示结果。

需要注意的是,Laplacian算子对噪声比较敏感,因此在应用之前,可以先对图像进行平滑处理,例如使用高斯模糊(`cv2.GaussianBlur()`)函数。

相关推荐
CoovallyAIHub5 小时前
中科大DSAI Lab团队多篇论文入选ICCV 2025,推动三维视觉与泛化感知技术突破
深度学习·算法·计算机视觉
CoovallyAIHub11 小时前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉
使一颗心免于哀伤11 小时前
《设计模式之禅》笔记摘录 - 21.状态模式
笔记·设计模式
CoovallyAIHub11 小时前
英伟达ViPE重磅发布!解决3D感知难题,SLAM+深度学习完美融合(附带数据集下载地址)
深度学习·算法·计算机视觉
xiaohouzi1122332 天前
OpenCV的cv2.VideoCapture如何加GStreamer后端
人工智能·opencv·计算机视觉
小关会打代码2 天前
计算机视觉案例分享之答题卡识别
人工智能·计算机视觉
_落纸2 天前
三大基础无源电子元件——电阻(R)、电感(L)、电容(C)
笔记
天天进步20152 天前
用Python打造专业级老照片修复工具:让时光倒流的数字魔法
人工智能·计算机视觉
Alice-YUE2 天前
【CSS学习笔记3】css特性
前端·css·笔记·html
荼蘼2 天前
答题卡识别改分项目
人工智能·opencv·计算机视觉