图像梯度可以把图像看成二维离散函数，图像梯度其实就是这个二维离散函数的求导
OpenCV提供了三种不同的梯度滤波器，或者说高通滤波器：Sobel，Scharr和Lapacian。Sobel，Scharr其实就是求一阶或二阶导。Scharr是对Sobel的部分优化。Laplacian是求二阶导。
python实现
1import cv2 2import numpy as np 3 4 5__author__ = "boboa" 6 7# Sobel算子 8def sobel_demo(image): 9 gray_x = cv2.Sobel(image, cv2.CV_32F, 1, 0) # x方向一阶导数 10 gray_y = cv2.Sobel(image, cv2.CV_32F, 0, 1) # y方向一阶导数 11 gradx = cv2.convertScaleAbs(gray_x) # 转回原来的uint8形式 12 grady = cv2.convertScaleAbs(gray_y) 13 gradxy = cv2.addWeighted(gradx, 0.5, grady, 0.5, 0) # 图像融合 14 cv2.imshow("gradient-x", gradx) 15 cv2.imshow("gradient-y", grady) 16 cv2.imshow("gradient_xy", gradxy) 17 18 19# Scharr算子是Sobel算子的增强版本 20def scharr_demo(image): 21 grad_x = cv2.Scharr(image, cv2.CV_32F, 1, 0) 22 grad_y = cv2.Scharr(image, cv2.CV_32F, 0, 1) 23 gradx = cv2.convertScaleAbs(grad_x) 24 grady = cv2.convertScaleAbs(grad_y) 25 cv2.imshow("gradient_x", gradx) 26 cv2.imshow("gradient_y", grady) 27 gradxy = cv2.addWeighted(gradx, 0.5, grady, 0.5, 0) 28 cv2.imshow("gradient_xy", gradxy) 29 30 31def lapalian_demo(image): #拉普拉斯算子 32 dst = cv2.Laplacian(image, cv2.CV_32F) 33 lpls = cv2.convertScaleAbs(dst) 34 # 自己定义卷积核 35 # kernel = np.array([[0, 1, 0], [1, -4, 1], [0, 1, 0]]) 36 # dst = cv2.filter2D(image, cv2.CV_32F, kernel=kernel) 37 lpls = cv2.convertScaleAbs(dst) #单通道 38 cv2.imshow("lapalian", lpls) 39 40 41if __name__ == "__main__": 42 img = cv2.imread("image/img8.jpg") 43 cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE) 44 cv2.imshow("input image", img) 45 lapalian_demo(img) 46 cv2.waitKey(0) 47 cv2.destroyAllWindows()
Sobel算子x和y方向的梯度，xy方向的梯度
Scharr算子
拉普拉斯算子
cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])
**参数：**src-需要处理的图像
ddepth-图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度
dx-x方向上的差分阶数，1或0
dy-y方向上的差分阶数，1或0
cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]]) -> dst
**参数：**src-输入需要处理的图像
ddepth-输出图像深度，针对不同的输入图像，输出目标图像有不同的深度
dst-输出与src相同大小和相同通道数的图像
ksize-用于计算二阶导数滤波器的孔径大小，大小必须是正数和奇数
scale-计算拉普拉斯算子值的比例因子，默认情况下没有伸缩系数
delta-一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中
borderType-判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT
cv2.convertScaleAbs(src[, dst[, alpha[, beta]]]) -> dst使用线性变换转换输入数组元素成8位无符号整型
**参数：**src-原数组
dst-输出数组
alpha-比例因子
beta-原数组元素按比例缩放后添加的值
cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]]) -> dst
**参数：**src1-需要加权的第一个输入数组
alpha-第一个数组的权重
src2-第二个输入数组，它和第一个数组拥有相同的尺寸和通道数
beta-第二个数组的权重
gamma-一个加到权重总和上的标量值
dst-输出的数组，它和输入的两个数组拥有相同的尺寸和通道数
dtype-输出数组的可选深度。当两个输入数组具有相同的深度时，这个参数设置为-1（默认值），即等同于src1.depth（）