前面已经做了纹理复杂度分析，这次继续沿着 Sobel 梯度往下做一个更直观的小工具：
梯度方向分析。
它主要回答一个问题：
图片中的强梯度，主要集中在哪些方向？
这次我用华为云码道辅助开发了一个基于 OpenCV Sobel + atan2 的 Gradient Direction Analyzer，可以统计水平、垂直和斜向梯度的占比，并生成方向可视化图。
1. 这次工具做什么？
主要功能包括：
- 上传 JPG / PNG 图片
- 自动转换灰度图
- 使用 Sobel 计算 Gx、Gy
- 计算梯度幅值
- 计算梯度方向
- 统计 Horizontal / Vertical / Diagonal
- 判断 Dominant Direction
- 生成 Gradient Direction Map
- 显示方向占比
- 支持下载结果图
整体流程：
图片
→ 灰度化
→ Sobel X / Y
→ 梯度幅值
→ 梯度方向
→ 方向分类
→ 统计占比
2. 梯度方向怎么计算？
首先计算两个方向的 Sobel 梯度：
gx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)gy = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)然后通过：
angle = np.degrees(np.arctan2(gy, gx))angle = (angle + 180) % 180把方向统一到：
0°～180°
范围内。
这样每个像素都会得到一个对应的梯度方向。
3. 为什么只分析强梯度？
如果所有像素都参与统计，天空、湖面等几乎没有变化的区域也会产生一些很小的梯度值。
所以这次只统计：
Gradient Magnitude > 50
的像素。
页面本次共检测到：
426,507 个 Active Pixels
这些像素才进入后面的方向统计。
这样结果更能反映画面中的明显结构。
4. 三种方向怎么划分？
为了让结果简单直观，这次把方向分为三类：
- Horizontal：接近 0° / 180°
- Vertical：接近 90°
- Diagonal：其余斜向角度
最后分别统计三类强梯度像素占全部 Active Pixels 的比例。
哪一类占比最高，就作为：
Dominant Direction
5. 真实测试结果
这次继续使用之前的狗狗公园图片。
图片尺寸：
1650 × 953
最终结果：
- Horizontal：35.49%
- Vertical：17.81%
- Diagonal：46.70%
- Active Pixels：426,507
- Dominant Direction：Diagonal
因为：
46.70% > 35.49% > 17.81%
所以最终判断：
Diagonal
6. 为什么 Diagonal 占比最高？
这张测试图片中有大量不规则细节，例如：
狗狗毛发
草地
树叶
身体轮廓
远处建筑和植物
这些结构并不是全部严格水平或垂直排列。
特别是：
毛发、草叶、树枝
会形成很多斜向边缘。
所以最终：
Diagonal = 46.70%
成为占比最高的一类。
7. Gradient Direction Map 能看到什么？
页面右侧生成了：
Gradient Direction Map
可以看到狗狗轮廓、毛发、草地和树叶区域出现了大量不同颜色的线条。
这些颜色用来区分不同梯度方向。
黑色区域则代表：
梯度较弱
或者没有进入强梯度统计范围。
相比只看百分比，这张方向图能更直观地观察：
图片中的方向信息到底分布在哪里。
8. 梯度方向不等于物体方向
这里有一个容易误解的地方。
页面判断：
Dominant Direction = Diagonal
并不是说：
狗狗是斜着的。
也不是说：
整张图片里的物体都朝斜方向。
它统计的是：
像素灰度变化的方向。
而且梯度方向通常和我们看到的边缘方向：
互相垂直。
所以它更适合描述图像结构，而不是语义上的物体朝向。
9. 这个指标有什么用途？
虽然算法很简单，但可以用于一些基础图像分析。
例如：
分析建筑图片中水平和垂直结构是否明显。
比较不同纹理图片的方向分布。
观察道路、文字、纹理等图像中的主要结构方向。
也可以和上一篇的：
Texture Score
配合使用。
上一篇回答：
图片中的结构多不多？
这一篇进一步回答：
这些结构主要朝哪个方向？
10. 总结
这次用华为云码道辅助开发了一个：
OpenCV 梯度方向分析工具。
核心算法：
Sobel X
- Sobel Y
- Gradient Magnitude
atan2()- Direction Classification
真实测试结果：
- Horizontal：35.49%
- Vertical：17.81%
- Diagonal：46.70%
- Active Pixels：426,507
- Dominant Direction：Diagonal
通过 Direction Map 也能看到，狗狗毛发、草地、树叶等区域包含大量复杂方向结构，因此最终斜向梯度占比最高。
这一篇主要回答：
图片中的强梯度主要分布在哪些方向？
下一篇可以换一个更直观的玩法：
图片是什么色调？用华为云码道开发 OpenCV HSV 色调分布分析工具
直接分析 Hue 分布，统计红、黄、绿、青、蓝、紫等颜色区域占比。