Python----计算机视觉处理（Opencv：梯度处理：filiter2D算子，Sobel，Laplacian)

一、图像梯度

把图片想象成连续函数，因为边缘部分的像素值是与旁边像素明显有区别的，所以对图片局部求极值，就可以得到整幅图片的边缘信息了。不过图片是二维的离散函数，导数就变成了差分，这个差分就称为图像的梯度。

二、filter2D算子

ddepth：表示目标图像的所需深度。

kernel：卷积核（或相当于相关核），单通道浮点矩阵。

edge_ex_method：边缘检测的方向，upright：垂直，level：水平。

三、Sobel算子

四、Laplacian算子

五、梯度处理

5.1、filter2D

导入模块

python 复制代码

import cv2
import numpy as np

输入图像

python 复制代码

img=cv2.imread('shudu3.png')

梯度处理

python 复制代码

kernel=np.array(
    [
        [-1,0,1],
        [-2,0,2],
        [-1,0,1]
    ]
)
img_filter2D=cv2.filter2D(img,-1,kernel=kernel)

输出图像

python 复制代码

cv2.imshow('img',img)
cv2.imshow('img_filter2D',img_filter2D)
cv2.waitKey(0)

完整代码

python 复制代码

import cv2
import numpy as np

img=cv2.imread('shudu3.png')

kernel=np.array(
    [
        [-1,0,1],
        [-2,0,2],
        [-1,0,1]
    ]
)
img_filter2D=cv2.filter2D(img,-1,kernel=kernel)

cv2.imshow('img',img)
cv2.imshow('img_filter2D',img_filter2D)
cv2.waitKey(0)

5.2、Sobel

导入模块

python 复制代码

import cv2
import numpy as np

输入图像

python 复制代码

img=cv2.imread('shudu3.png')

梯度处理

python 复制代码

img_Sobel=cv2.Sobel(img,-1,dx=1,dy=0)

输出图像

python 复制代码

cv2.imshow('img',img)
cv2.imshow('img_Sobel',img_Sobel)
cv2.waitKey(0)

完整代码

python 复制代码

import cv2


img=cv2.imread('shudu3.png')

img_Sobel=cv2.Sobel(img,-1,dx=1,dy=0)

cv2.imshow('img',img)
cv2.imshow('img_Sobel',img_Sobel)
cv2.waitKey(0)

5.3、Laplacian

导入模块

python 复制代码

import cv2
import numpy as np

输入图像

python 复制代码

img=cv2.imread('shudu3.png')

梯度处理

python 复制代码

img_Laplacian=cv2.Laplacian(img,-1)

输出图像

python 复制代码

cv2.imshow('img',img)
cv2.imshow('img_Laplacian',img_Laplacian)
cv2.waitKey(0)

完整代码

python 复制代码

import cv2

img=cv2.imread('shudu3.png')

img_Laplacian=cv2.Laplacian(img,-1)

cv2.imshow('img',img)
cv2.imshow('img_Laplacian',img_Laplacian)
cv2.waitKey(0)

六、库函数

6.1、filter2D

python 复制代码

cv.filter2D（	src， ddepth， kernel[， dst[， anchor[， delta[， borderType]]]]	) ->	DST

方法	描述
src	输入图像
dst	输出图像
ddepth	目标图像的所需深度，请参阅组合
kernel	卷积核（或者更确切地说是相关核），单通道浮点矩阵;如果要将不同的内核应用于不同的通道，请使用 Split 将图像拆分为单独的颜色平面，然后单独处理它们。
anchor	anchor 的 anchor 表示 filtered 点在 kernel 中的相对位置;锚应位于内核内;默认值（-1，-1）表示定位点位于内核中心。
delta	在将过滤的像素存储到 DST 之前添加到过滤像素的可选值。
borderType	素外插方法，请参阅 BorderTypes。不支持BORDER_WRAP。

6.2、Sobel

python 复制代码

cv.Sobel(	src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]]	) ->	dst

borderType	素外插方法，请参阅 BorderTypes。不支持BORDER_WRAP。

6.3、Laplacian

python 复制代码

cv.Laplacian(	src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]]	) ->	dst

borderType	像素外插方法，请参阅 BorderTypes。不支持BORDER_WRAP。