使用cv2.Sobel()cv2.Scharr()cv2.Laplacian()寻找图像的梯度边缘

Posted 2021-08-08 程序媛一枚~

Python，OpenCV寻找图像的梯度、边缘

• • 1. 效果图
  • 2. 源码
  • 参考

这篇博客将介绍如何使用cv2.Sobel()、cv2.Scharr()、cv2.Laplacian()寻找图像的梯度、边缘；

• OpenCV提供了三种类型的梯度滤波器或高通滤波器，Sobel、Scharr和Laplacian。
• Sobel算子是一种联合高斯平滑加微分运算，它对噪声的抵抗能力更强。
• Schaar的效果要比Sobel好一些

1. 效果图

原始图 VS 拉普拉斯 VS SobelX VS SobleY VS SchaarX VS SchaarY效果图如下：

2. 源码

# 使用cv2.Sobel()、cv2.Scharr()、cv2.Laplacian()寻找图像的梯度、边缘；
# OpenCV提供了三种类型的梯度滤波器或高通滤波器，Sobel、Scharr和Laplacian。
# Sobel算子是一种联合高斯平滑加微分运算，因此它对噪声的抵抗能力更强。
# Schaar的效果要比Sobel好一些
import cv2
from matplotlib import pyplot as plt

img = cv2.imread('gw.jpg', 0)

laplacian = cv2.Laplacian(img, cv2.CV_64F)
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=5)
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=5)

schaarx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=-1)
schaary = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=-1)

plt.subplot(3, 2, 1), plt.imshow(img, cmap='gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(3, 2, 2), plt.imshow(laplacian, cmap='gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])
plt.subplot(3, 2, 3), plt.imshow(sobelx, cmap='gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(3, 2, 4), plt.imshow(sobely, cmap='gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])
plt.subplot(3, 2, 5), plt.imshow(schaarx, cmap='gray')
plt.title('Schaar Y'), plt.xticks([]), plt.yticks([])
plt.subplot(3, 2, 6), plt.imshow(schaary, cmap='gray')
plt.title('Schaar Y'), plt.xticks([]), plt.yticks([])

plt.show()

参考

• https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_gradients/py_gradients.html#gradients