目標
在本章中，我們將學習：
查找圖像梯度，邊緣等
我們將看到以下函數(shù)：cv．Sobel（），cv．Scharr（），cv．Laplacian（）等
理論
OpenCV提供三種類型的梯度濾波器或高通濾波器，即Sobel，Scharr和Laplacian。我們將看到他們每一種。
1． Sobel 和 Scharr 算子
Sobel算子是高斯平滑加微分運算的聯(lián)合運算，因此它更抗噪聲。逆可以指定要采用的導數(shù)方向，垂直或水平（分別通過參數(shù)yorder和xorder）。逆還可以通過參數(shù)ksize指定內核的大小。如果ksize ＝ －1，則使用3x3 Scharr濾波器，比3x3 Sobel濾波器具有更好的結果。請參閱文檔以了解所使用的內核。
2． Laplacian 算子
它計算了由關系
給出的圖像的拉普拉斯圖，它是每一階導數(shù)通過Sobel算子計算。如果ksize ＝ 1，然后使用以下內核用于過濾：
代碼
下面的代碼顯示了單個圖表中的所有算子。所有內核都是5x5大小。輸出圖像的深度通過－1得到結果的np．uint8型。
kernel ＝ egin｛bmatrix｝ 0 ＆ 1 ＆ 0 1 ＆ －4 ＆ 1 0 ＆ 1 ＆ 0 end｛bm下面的代碼顯示了單個圖表中的所有算子。所有內核都是5x5大小。輸出圖像的深度通過－1得到結果的np．uint8型。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img ＝ cv．imread（＇dave．jpg＇，0）
laplacian ＝ cv．Laplacian（img，cv．CV＿64F）
sobelx ＝ cv．Sobel（img，cv．CV＿64F，1，0，ksize＝5）
sobely ＝ cv．Sobel（img，cv．CV＿64F，0，1，ksize＝5）
plt．subplot（2，2，1），plt．imshow（img，cmap ＝ ＇gray＇）
plt．title（＇Original＇）， plt．xticks（［］）， plt．yticks（［］）
plt．subplot（2，2，2），plt．imshow（laplacian，cmap ＝ ＇gray＇）
plt．title（＇Laplacian＇）， plt．xticks（［］）， plt．yticks（［］）
plt．subplot（2，2，3），plt．imshow（sobelx，cmap ＝ ＇gray＇）
plt．title（＇Sobel X＇）， plt．xticks（［］）， plt．yticks（［］）
plt．subplot（2，2，4），plt．imshow（sobely，cmap ＝ ＇gray＇）
plt．title（＇Sobel Y＇）， plt．xticks（［］）， plt．yticks（［］）
plt．show（）
結果：
gradients
一個重要事項
在我們的最后一個示例中，輸出數(shù)據(jù)類型為cv．CV＿8U或np．uint8。但這有一個小問題。黑色到白色的過渡被視為正斜率（具有正值），而白色到黑色的過渡被視為負斜率（具有負值）。因此，當您將數(shù)據(jù)轉換為np．uint8時，所有負斜率均設為零。簡而言之，您會錯過這一邊緣信息。
如果要檢測兩個邊緣，更好的選擇是將輸出數(shù)據(jù)類型保留為更高的形式，例如cv．CV＿16S，cv．CV＿64F等，取其絕對值，然后轉換回cv．CV＿8U。下面的代碼演示了用于水平Sobel濾波器和結果差異的此過程。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img ＝ cv．imread（＇box．png＇，0）
＃ Output dtype ＝ cv．CV＿8U
sobelx8u ＝ cv．Sobel（img，cv．CV＿8U，1，0，ksize＝5）
＃ Output dtype ＝ cv．CV＿64F． Then take its absolute and convert to cv．CV＿8U
sobelx64f ＝ cv．Sobel（img，cv．CV＿64F，1，0，ksize＝5）
abs＿sobel64f ＝ np．absolute（sobelx64f）
sobel＿8u ＝ np．uint8（abs＿sobel64f）
plt．subplot（1，3，1），plt．imshow（img，cmap ＝ ＇gray＇）
plt．title（＇Original＇）， plt．xticks（［］）， plt．yticks（［］）
plt．subplot（1，3，2），plt．imshow（sobelx8u，cmap ＝ ＇gray＇）
plt．title（＇Sobel CV＿8U＇）， plt．xticks（［］）， plt．yticks（［］）
plt．subplot（1，3，3），plt．imshow（sobel＿8u，cmap ＝ ＇gray＇）
plt．title（＇Sobel abs（CV＿64F）＇）， plt．xticks（［］）， plt．yticks（［］）
plt．show（）
查看以下結果：
double＿edge
不斷更新資源
獲取更多精彩
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
