| 輸入圖像深度 | 輸出圖像深度 |
|---|---|
| cv2.CV_8U | -1/cv2.CV_16S/cv2.CV_32F/cv2/CV_64F |
| cv2.CV_16U/cv2.CV_16S | -1/cv2.CV_32F/cv2.CV_64F |
| cv2.CV_32F | -1/cv2.CV_32F/cv2.CV_64F |
| cv2.CV_64F | -1/cv2.CV_64F |
dx：代表X方向的求導階數(shù)
dy：代表Y方向的求導階數(shù)
ksize：Sobel核的大小，該值為-1時，則會使用Sobel濾波器進行運算
scale：計算導數(shù)值所采用的縮放因子，默認值為1，時沒有縮放的
delta：加載目標圖像上的值，該值可選，默認為0
borderType：邊界樣式，前面博文有詳細介紹，這里不在贅述。
需要注意的是，如果將ddepth參數(shù)設置為-1，讓處理結果與原圖像保持一致，可以會得到錯誤的結果。實際上，這么做會導致梯度值可能出現(xiàn)負數(shù)。如果處理的是8位圖像，意味著指定運算的結果也是8位圖類型，那么所有的負數(shù)會自動截斷為0，發(fā)生信息丟失。為了避免信息丟失，在計算時先使用更高的數(shù)據(jù)類型cv2.CV_64F，再通過取絕對值將其映射為cv2.CV_8U類型。所以，我們使用Sobel濾波器常常會將ddepth設置為cv2.CV_64F。
計算X方向梯度語法格式為：
cv2.Sobel(src,ddepth,1,0)
計算Y方向梯度語法格式為：
cv2.Sobel(src,ddepth,0,1)
計算XY方向梯度語法格式為：
cv2.Sobel(src,ddepth,1,1)
計算XY疊加梯度語法格式為：
dx=cv2.Sobel(src,ddepth,1,0) dy=cv2.Sobel(src,ddepth,0,1) dst=cv2.addWeighted(src1,alpha,src2,beta,gamma)
因為可能會出現(xiàn)負數(shù)，我們還需要使用另一個函數(shù)取絕對值，該函數(shù)為：cv2.convertScaleAbs()，其完整定義如下：
def convertScaleAbs(src, dst=None, alpha=None, beta=None):
alpha：調(diào)節(jié)系數(shù)，可選值，默認為1
beta：調(diào)節(jié)亮度值，默認為0
下面，我們來使用Sobel濾波器，獲取圖像水平方向的邊緣信息，代碼如下：
import cv2
img = cv2.imread("4.jpg", cv2.IMREAD_UNCHANGED)
sobel_x=cv2.Sobel(img,cv2.CV_64F,1,0)
result=cv2.convertScaleAbs(sobel_x)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，效果如下所示：
接著，我們來使用Sobel濾波器，獲取圖像垂直方向的邊緣信息，代碼如下：
import cv2
img = cv2.imread("4.jpg", cv2.IMREAD_UNCHANGED)
sobel_y=cv2.Sobel(img,cv2.CV_64F,0,1)#更改這一行就行
result=cv2.convertScaleAbs(sobel_y)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，效果如下：
接著，我們來計算XY方向梯度，代碼如下：
import cv2
img = cv2.imread("4.jpg", cv2.IMREAD_UNCHANGED)
sobel_xy=cv2.Sobel(img,cv2.CV_64F,1,1)#都設置為1
result=cv2.convertScaleAbs(sobel_xy)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，效果如下：
最后，我們來計算其水平垂直兩個方向的疊加邊緣信息，代碼如下：
import cv2
img = cv2.imread("4.jpg", cv2.IMREAD_UNCHANGED)
sobel_x=cv2.Sobel(img,cv2.CV_64F,1,0)
sobel_y=cv2.Sobel(img,cv2.CV_64F,0,1)
abx_x=cv2.convertScaleAbs(sobel_x)
abx_y=cv2.convertScaleAbs(sobel_y)
result=cv2.addWeighted(sobel_x,0.5,sobel_y,0.5,0)
cv2.imshow("img", img)
cv2.imshow("result", result)
cv2.waitKey()
cv2.destroyAllWindows()
運行之后，效果如下：
到此這篇關于OpenCV-Python實現(xiàn)圖像梯度與Sobel濾波器的文章就介紹到這了,更多相關OpenCV 圖像梯度與Sobel濾波器內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
