OpenCV 图像梯度的实现方法

梯度简单来说就是求导。本文主要介绍了OpenCV 图像梯度的实现方法，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

概述

OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界.

梯度运算

梯度: 膨胀 (Dilating) - 腐蚀 (Eroding).

例子:

 # 读取图片 pie = cv2.imread("pie.png-600") # 核 kernel = np.ones((7, 7), np.uint8) # 计算梯度 gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel=kernel) # 图片展示 cv2.imshow("gradient", gradient) cv2.waitKey(0) cv2.destroyAllWindows()

输出结果:

在这里插入图片描述

礼帽

礼帽 (Top Hat): 原始输入 - 开运算结果.

例子:

 # 读取图片 img = cv2.imread("white.png-600") # 核 kernel = np.ones((7, 7), np.uint8) # 礼帽 tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel=kernel) # 图片展示 cv2.imshow("tophat", tophat) cv2.waitKey(0) cv2.destroyAllWindows()

输出结果:

在这里插入图片描述

黑帽

黑帽 (Black Hat): 闭运算 - 原始输入.

例子:

 # 读取图片 img = cv2.imread("white.png-600") # 核 kernel = np.ones((7, 7), np.uint8) # 礼帽 blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel=kernel) # 图片展示 cv2.imshow("blackhat", blackhat) cv2.waitKey(0) cv2.destroyAllWindows()

输出结果:

在这里插入图片描述

Sobel 算子

Sobel 算子 (Sobeloperator) 是边缘检测中非常重要的一个算子. Sobel 算子是一类离散性差分算子, 用来运算图像高亮度函数的灰度之近似值.

格式:

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

参数:

src: 原图
ddepth: 图片深度
dx: 水平方向
dy: 竖直方向
ksize: 算子大小

计算 x

代码:

 # 读取图片 img = cv2.imread("pie.png-600") # Sobel算子 sobelx = cv2.Sobel(img, -1, 1, 0, ksize=3) # 展示图片 cv2.imshow("sobelx", sobelx) cv2.waitKey(0) cv2.destroyAllWindows()

输出结果:

在这里插入图片描述

计算 y

代码:

 # 读取图片 img = cv2.imread("pie.png-600") # Sobel算子 sobely = cv2.Sobel(img, -1, 0, 1, ksize=3) # 展示图片 cv2.imshow("sobely", sobely) cv2.waitKey(0) cv2.destroyAllWindows()

输出结果:

在这里插入图片描述

计算 x+y

代码:

 # 读取图片 img = cv2.imread("pie.png-600") # Sobel算子 sobel = cv2.Sobel(img, -1, 1, 1, ksize=3) # 展示图片 cv2.imshow("sobel", sobel) cv2.waitKey(0) cv2.destroyAllWindows()

输出结果:

在这里插入图片描述

融合

代码:

 # Sobel算子 sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3) sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3) # 转换成绝对值 sobelx = cv2.convertScaleAbs(sobelx) sobely = cv2.convertScaleAbs(sobely) # 融合 sobel_xy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0) # 展示图片 cv2.imshow("sobel_xy", sobel_xy) cv2.waitKey(0) cv2.destroyAllWindows()

输出结果:

在这里插入图片描述