计算机视觉OpenCV图像梯度计算

一、图像梯度计算

1)sobel算子（作用是标注轮廓区域）形式一般是这样

竖着中间是0那就是右边减去左边，如果横着中间是0那就是上面减去下面
Gx即卷积完之后是右边像素-左边像素，Gy是上边像素-下边像素

计算最好分开x,y算不然结果会不准

dx=1，dy=0时，表示对其进行Gx计算。反之亦然。

白到黑是正数，黑到白是负数，所有的负数会被截断成0（黑色）。所以得取绝对值。使用cv2.CV_64F的原因是从白到黑的边界点导数为负数后，如果使用的是np.int8则会变成0。

（黑色）= 0 （白色） = 255

代码

def cv_show(img,name): 定义展示函数
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)计算X
sobelx=cv2.convertScaleAbs(sobelx) #取绝对值
sobely=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)计算Y
sobely=cv2.convertScaleAbs(sobely)去绝对值
cv_show(sobelx,‘sobelx’)展示
cv_show(sobely,‘sobely’)展示
sobelxy=cv2.addWeighted(sobelx,0.5,sobely,0.5,0) #0为偏置量（计算总和）
cv_show(sobelxy,‘sobelxy’)

2）scharr算子、laplacian算子

import cv2
import numpy as np
img=cv2.imread(‘lena.jpg’,cv2.IMREAD_GRAYSCALE)

def cv_show(img,name):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
#sobel算子
sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx=cv2.convertScaleAbs(sobelx)
sobely=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobely=cv2.convertScaleAbs(sobely)
sobelxy=cv2.addWeighted(sobelx,0.5,sobely,0.5,0)

#scharrt算子
scharrx=cv2.Scharr(img,cv2.CV_64F,1,0)
scharry=cv2.Scharr(img,cv2.CV_64F,0,1)
scharrx=cv2.convertScaleAbs(scharrx)
scharry=cv2.convertScaleAbs(scharry)
scharrxy=cv2.addWeighted(scharrx,0.5,scharry,0.5,0)
#拉普拉斯算子
laplacian=cv2.Laplacian(img,cv2.CV_64F)
laplacian=cv2.convertScaleAbs(laplacian)
res=np.hstack((sobelxy,scharry,laplacian))
cv_show(res,‘res’)