opencv学习笔记五——梯度计算/边缘检测

要获取轮廓，可对一张图像做先膨胀后腐蚀的操作，然后膨胀后的结果减去腐蚀的结果。

1. Sobel算子

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

• ddepth:图像的深度
• dx核dy分别表示水平和垂直方向
• ksize是Sobel算子大小

image1 = cv2.imread('./ro.png')
plt.imshow(image1);

image1 = cv2.imread('./ro.png')
plt.imshow(image1);

image2 = cv2.Sobel(image1, cv2.CV_64F, 1, 0, ksize=3)
plt.imshow(image2);

白到黑的卷积计算是正数，黑到白的卷积计算就是负值了，所有的负数会被截断为0，所以要取绝对值

计算x方向梯度

image2 = cv2.Sobel(image1, cv2.CV_64F, 1, 0, ksize=3)
image2 = cv2.convertScaleAbs(image2)
plt.imshow(image2);

计算x方向梯度

image3 = cv2.Sobel(image1, cv2.CV_64F, 0, 1, ksize=3)
image3 = cv2.convertScaleAbs(image3)
plt.imshow(image3);

获得图像的轮廓

image4 = cv2.addWeighted(image2, 0.5, image3, 0.5, 0)
plt.imshow(image4);

换一张图试试

import cv2
import matplotlib.pyplot as plt
image = cv2.imread('image.png')
image2 = cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize=3)
image2 = cv2.convertScaleAbs(image2)
image3 = cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize=3)
image3 = cv2.convertScaleAbs(image3)
image4 = cv2.addWeighted(image2, 0.5, image3, 0.5, 0)
image4 = cv2.cvtColor(image4, cv2.COLOR_BGR2RGB)
plt.imshow(image4);

2. Scharr算子

用法相同，只是计算的值会比较大,会更敏感些

3. laplacian算子