基于Python的OpenCV学习

第四章、图像梯度处理

00_思维导图

01_cv2.Sobel

import cv2
img1 = cv2.imread('pie.png')

# cv2.Sobel(image,ddepth,dx,dy,ksize)方法，返回图片梯度差异的图片。
# 解释一下什么是梯度：
# 水平梯度 = 右侧像素点的值 - 左侧像素点的值
# 竖直梯度 = 下侧像素点的值 - 上侧像素点的值
sobelx = cv2.Sobel(img1,cv2.CV_64F,1,0,ksize=3)
# ddepth变量，当ddepyh=cv2.CV_64F时，返回带有正负号的梯度值。
# 当dx=1时，表示求水平梯度差异。
# 当dy=1时，表示求竖直梯度差异。
# ksize变量，表示矩阵大小。
#                        -1  0  1         -1  -2  -1
# 当ksize=3时，矩阵为：Gx = -2  0  2  , Gy =  0   0   0
#                        -1  0  1          1   2   1
# 详细解释一下梯度的计算，以求某点的水平梯度差异为例：
# 该点的梯度差异值 = 2*右侧像素点 + 1*右上侧像素点 + 1*右下侧像素点 - 2*左侧像素点 - 1*左上侧像素点 - 1*左下侧像素点。
# 显然，某点的梯度差异受距离更近的像素点影响更大。
cv2.imshow('x',sobelx)
cv2.waitKey()
cv2.destroyAllWindows()
# 图片显示后只出现左侧图像的梯度差异，原因如下：
# 左侧图像的梯度差异 = 白 - 黑，结果必大于0。
# 右侧图像的梯度差异 = 黑 - 白，结果必小于0为负数，负数在图片显示时取0即为黑。

运行结果：

02_cv2.convertScaleAbs

import cv2
import numpy as np
img1 = cv2.imread('pie.png')
sobelx = cv2.Sobel(img1,cv2.CV_64F,1,0,ksize=3)

# cv2.convertScaleAbs(image)方法，实现负值像素点的绝对值操作。
sobelx_abs = cv2.convertScaleAbs(sobelx)

# 借助numpy观察图像区别。
result1 = np.hstack((img1,sobelx,sobelx_abs))
cv2.imshow('',result1)
cv2.waitKey()
cv2.destroyAllWindows()

运行结果：

03_cv2.Scharr

import cv2
img1 = cv2.imread('pie.png')

# cv2.Scharr(image,ddepth,dx,dy)方法，返回图片梯度差异的图片。
scharrx = cv2.Scharr(img1,cv2.CV_64F,1,0)
# cv2.Scharr()方法与cv2.Sobel()十分类似，差别在于矩阵数值：
# 无ksize属性，矩阵形状默认3*3。
#                  -1  0  1         -1  -2  -1
# Scharr矩阵为：Gx = -2  0  2  , Gy =  0   0   0 。
#                  -1  0  1          1   2   1
cv2.imshow('x',scharrx)
cv2.waitKey()
cv2.destroyAllWindows()

04_cv2.Laplacian

import cv2
img1 = cv2.imread('pie.png')

# cv2.Laplacian(image,ddepth)方法，返回图片梯度差异的图片。
laplacian1 = cv2.Laplacian(img1,cv2.CV_64F)
# cv2.Laplacian()方法不区分水平差异和竖直差异，其矩阵数值如下：
#     0   1   0
# G = 1  -4   1  。
#     0   1   0
cv2.imshow('x',laplacian1)
cv2.waitKey()
cv2.destroyAllWindows()

05_观察三种梯度操作的差异

import cv2
import matplotlib.pyplot as plt

img = cv2.imread('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)
soble = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)

Scharrx = cv2.Scharr(img,cv2.CV_64F,1,0)
Scharrx = cv2.convertScaleAbs(Scharrx)
Scharry = cv2.Scharr(img,cv2.CV_64F,0,1)
Scharry = cv2.convertScaleAbs(Scharry)
Scharr = cv2.addWeighted(Scharrx,0.5,Scharry,0.5,0)

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

img_list = [img,soble,Scharr,Laplacian]
img_tittle = ['init','Sobel','Scharr','Laplacian']
for i in range(4):
    plt.subplot(1,4,i+1)
    plt.imshow(img_list[i])
    plt.title(img_tittle[i])
plt.show()

运行结果：

图像素材