Python+OpenCV之圖像梯度詳解

更新時間：2022年09月28日 15:08:57 作者：錦鯉AI幸運

這篇文章主要為大家詳細介紹了Python OpenCV中圖像梯度(Sobel算子、Scharr算子和Laplacian算子)的實現，感興趣的小伙伴可以了解一下

1. Sobel算子

OpenCV系列—本文底頁有多個常用方法鏈接

1.1 Sobel介紹

cv2.Sobel(src, ddepth, dx, dy, ksize)

ddepth:圖像的深度
dx和dy分別表示水平和豎直方向
ksize是Sobel算子的大小

import cv2  # opencv讀取的格式是BGR


def cv_show(img, name):
    cv2.imshow(name, img)
    cv2.waitKey()
    cv2.destroyAllWindows()


img = cv2.imread('../img/pie.png', cv2.IMREAD_GRAYSCALE)
cv2.imshow("img", img)
cv2.waitKey()
cv2.destroyAllWindows()

pie.png原圖（右擊另存為下載）:

1.2 橫向Sobel算子

采用上述公式中的 G x G_{x} Gx?濾波器掃描整張圖，提取了左右兩邊有梯度差的位置，但是橫向看圓的上頂端和下頂端的梯度不明顯所以呈現圖片如下上下端為虛線的圓。

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

結果如下:

白-黑是正數，黑-白就是負數了，所有的負數會被截斷成0，所以要取絕對值。

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

加入絕對值后，梯度結果就可以有一個完整的圓:

1.3 縱向Sobel算子

采用上述公式中的 G y G_{y} Gy?濾波器掃描整張圖，提取了上下兩邊有梯度差的位置，但是縱向看圓的左頂端和右頂端的梯度不明顯所以呈現圖片如左右端為虛線的圓。

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

1.4 合并橫縱向的方法提取更好的邊緣的結果

將橫向梯度提取濾波器 G_x與縱向梯度提取濾波器G_y?相加，即可得到效果較好的圓的邊緣梯度信息。

sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
cv_show(sobelxy, 'sobelxy')

不推薦

sobelxy = cv2.Sobel(img, cv2.CV_64F, 1, 1, ksize=3)
sobelxy = cv2.convertScaleAbs(sobelxy)
cv_show(sobelxy, 'sobelxy')

結果顯示，相對于分開使用橫縱向算子邊緣重影嚴重:

1.5 利用1.3方法繪制素描風格

lena.jpg原圖，另存為保存:

import cv2  # opencv讀取的格式是BGR


img = cv2.imread('../img/lena.jpg', cv2.IMREAD_GRAYSCALE)
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)
cv_show(sobelxy, 'sobelxy')

2. Scharr算子

import cv2  # opencv讀取的格式是BGR


img = cv2.imread('../img/lena.jpg', cv2.IMREAD_GRAYSCALE)

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)

二階動量對紋理細節(jié)區(qū)分更加豐富，結果圖如下:

3. Laplacian算子

import cv2  # opencv讀取的格式是BGR


img = cv2.imread('../img/lena.jpg', cv2.IMREAD_GRAYSCALE)

laplacian = cv2.Laplacian(img,cv2.CV_64F)
laplacian = cv2.convertScaleAbs(laplacian)

需要配合其他操作共同使用，單個使用的效果不如上面兩個算子，結果圖如下: