sobel算子计算梯度值（python中Sobel算子如何使用）

说明

1 
  
  
  
  
  
  
  
 、Sobel算子根据像素点的上下 
  
  
  
  
  
  
  
  、左右相邻点的灰度加权差                 ，在边缘达到极值的现象来检测边缘                 。

它具有平滑的噪声功能
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，并提供更准确的边缘方向信息
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
。由于Sobel算子结合了高斯平滑度和微分求导(分化)















，因此结果会更具抗噪性  
  
  
  
  
  
  
  
 ，当对精度要求不高时 
  
  
  
  
  
  
  
 ，Sobel算子是一种常用的边缘检测方法















。

2

 


 


 


 


 


 


 


 

、Sobel算子仍然是过滤器


 


 


 


 


 


 


 


 
，但它有方向  
  
  
  
  
  
  
  
 。

dst=cv2.Sobel(src,ddepth,dx,dy[,dst[,ksize[,scale[,delta[,borderType]]]]])

实例

#coding=utf-8 importcv2 importnumpyasnp img=cv2.imread("D:/test/26.png",0) 在Sobel函数的第二个参数这里使用了cv2.CV_16S 
  
  
  
  
  
  
  
 。 因为OpenCV文档中对Sobel算子的介绍中有这么一句： “inthecaseof8-bitinputimagesitwillresultintruncatedderivatives                 ”


 


 


 


 


 


 


 


 
。 即Sobel函数求完导数后会有负值 
 
 
 
 
 
 
 
，还有会大于255的值 
 
 
 
 
 
 
 
。 而原图像是uint8  
   
   
   
   
   
   
   
  ，即8位无符号数

 

 

 

 

 

 

 

 
，所以Sobel建立的图像位数不够
 

 

 

 

 

 

 

 
，会有截断  
   
   
   
   
   
   
   
  。 因此要使用16位有符号的数据类型                 ，即cv2.CV_16S

 

 

 

 

 

 

 

 
。 在经过处理后
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
，别忘了用convertScaleAbs()函数将其转回原来的uint8形式
 

 

 

 

 

 

 

 
。 否则将无法显示图像















，而只是一副灰色的窗口                 。convertScaleAbs()的原型为： dst=cv2.convertScaleAbs(src[,dst[,alpha[,beta]]]) 其中可选参数alpha是伸缩系数                         ，beta是加到结果上的一个值
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
。结果返回uint8类型的图片















。 由于Sobel算子是在两个方向计算的
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，最后还需要用cv2.addWeighted(...)函数将其组合起来                         。 其函数原型为： dst=cv2.addWeighted(src1,alpha,src2,beta,gamma[,dst[,dtype]]) 其中alpha是第一幅图片中元素的权重























，beta是第二个的权重                 ，gamma是加到最后结果上的一个值
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
。 x=cv2.Sobel(img,cv2.CV_16S,1,0) y=cv2.Sobel(img,cv2.CV_16S,0,1) absX=cv2.convertScaleAbs(x)#转回uint8 absY=cv2.convertScaleAbs(y) dst=cv2.addWeighted(absX,0.5,absY,0.5,0) cv2.imshow("orign",img) cv2.imshow("absX",absX) cv2.imshow("absY",absY) cv2.imshow("Result",dst) cv2.waitKey(0) cv2.destroyAllWindows()

以上就是python中Sobel算子的使用
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
，希望对大家有所帮助























。更多Python学习指路：Python基础教程