【第14节】图像梯度

目标

• 图像梯度，图像边界等

• 使用到的函数有：CV2.Sobel(),CV2.Schar(),CV2.Laplacian()等

原理

        梯度简单来说就是求导。

        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Laplacian。我们会意义介绍他们。

        Sobel, Scharr其实就是求一阶或二_阶导数。Scharr 是对Sobel (使用小的卷积核求解求解梯度角度时)的优化。Laplacian 是求二阶导数。

1、Sobel  算子和 Scharr  算子

        Sobel算子是高斯平滑与微分操作的结合体，所以它的抗噪声能力很好。你可以设定求导的方向( xorder或yorder )。还可以设定使用的卷积核的大小( ksize )。如果ksize=-1,会使用3x3的Scharr滤波器，它的的效果要比3x3的Sobel滤波器好(而且速度相同，所以在使用3x3滤波器时应该尽量使用Scharr滤波器)。3x3 的Scharr滤波器卷积核如下:

2、Laplacian算子      

        拉普拉斯算子可以使用二阶导数的形式定义，可假设其离散实现类似于二阶Sobel导数，事实上，OpenCV 在计算拉普拉斯算子时直接调用Sobel算.子。计算公式如下:

拉普拉斯滤波器使用的卷积核：

实例演示：

        下面的代码分别使用以上三种滤波器对同一幅图进行操作。使用的卷积核都是5*5的。

结果：

一个中重要的事   

        在查看.上面这个例子的注释时不知道你有没有注意到:当我们可以通过参数-1来设定输出图像的深度(数据类型)与原图像保持一致，但是我们在代码中使用的却是CV2.CV_ 64F。这是为什么呢?想象一下一个从黑到白的边界的导数是整数，而一个从白到黑的边界点导数却是负数。如果原图像的深度是np.int8时，所有的负值都会被截断变成0,换句话说就是把把边界丢失掉。所以如果这两种边界你都想检测到，最好的的办法就是将输出的数据类型设置的更高，比如CV2.CV_ 16S, CV2.CV_ 64F等。取绝对值然后再把它转回到CV2.CV_ 8U。下面的示例演示了输出图片的深度不同造成的不同效果。

结果：