目标
在本章中，我们将学习：
查找图像梯度，边缘等
我们将看到以下函数：cv．Sobel（），cv．Scharr（），cv．Laplacian（）等
理论
OpenCV提供三种类型的梯度滤波器或高通滤波器，即Sobel，Scharr和Laplacian。我们将看到他们每一种。
1． Sobel 和 Scharr 算子
Sobel算子是高斯平滑加微分运算的联合运算，因此它更抗噪声。逆可以指定要采用的导数方向，垂直或水平（分别通过参数yorder和xorder）。逆还可以通过参数ksize指定内核的大小。如果ksize ＝ －1，则使用3x3 Scharr滤波器，比3x3 Sobel滤波器具有更好的结果。请参阅文档以了解所使用的内核。
2． Laplacian 算子
它计算了由关系
给出的图像的拉普拉斯图，它是每一阶导数通过Sobel算子计算。如果ksize ＝ 1，然后使用以下内核用于过滤：
代码
下面的代码显示了单个图表中的所有算子。所有内核都是5x5大小。输出图像的 通过－1得到结果的np．uint8型。
kernel ＝ egin｛bmatrix｝ 0 ＆ 1 ＆ 0 1 ＆ －4 ＆ 1 0 ＆ 1 ＆ 0 end｛bm下面的代码显示了单个图表中的所有算子。所有内核都是5x5大小。输出图像的 通过－1得到结果的np．uint8型。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img ＝ cv．imread（＇dave．jpg＇，0）
laplacian ＝ cv．Laplacian（img，cv．CV＿64F）
sobelx ＝ cv．Sobel（img，cv．CV＿64F，1，0，ksize＝5）
sobely ＝ cv．Sobel（img，cv．CV＿64F，0，1，ksize＝5）
plt．subplot（2，2，1），plt．imshow（img，cmap ＝ ＇gray＇）
plt．title（＇Original＇）， plt．xticks（［］）， plt．yticks（［］）
plt．subplot（2，2，2），plt．imshow（laplacian，cmap ＝ ＇gray＇）
plt．title（＇Laplacian＇）， plt．xticks（［］）， plt．yticks（［］）
plt．subplot（2，2，3），plt．imshow（sobelx，cmap ＝ ＇gray＇）
plt．title（＇Sobel X＇）， plt．xticks（［］）， plt．yticks（［］）
plt．subplot（2，2，4），plt．imshow（sobely，cmap ＝ ＇gray＇）
plt．title（＇Sobel Y＇）， plt．xticks（［］）， plt．yticks（［］）
plt．show（）
结果：
gradients
一个重要事项
在我们的最后一个示例中，输出数据类型为cv．CV＿8U或np．uint8。但这有一个小问题。黑色到白色的过渡被视为正斜率（具有正值），而白色到黑色的过渡被视为负斜率（具有负值）。因此，当您将数据转换为np．uint8时，所有负斜率均设为零。简而言之，您会错过这一边缘信息。
如果要检测两个边缘，更好的选择是将输出数据类型保留为更高的形式，例如cv．CV＿16S，cv．CV＿64F等，取其绝对值，然后转换回cv．CV＿8U。下面的代码演示了用于水平Sobel滤波器和结果差异的此过程。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img ＝ cv．imread（＇box．png＇，0）
＃ Output dtype ＝ cv．CV＿8U
sobelx8u ＝ cv．Sobel（img，cv．CV＿8U，1，0，ksize＝5）
＃ Output dtype ＝ cv．CV＿64F． Then take its absolute and convert to cv．CV＿8U
sobelx64f ＝ cv．Sobel（img，cv．CV＿64F，1，0，ksize＝5）
abs＿sobel64f ＝ np．absolute（sobelx64f）
sobel＿8u ＝ np．uint8（abs＿sobel64f）
plt．subplot（1，3，1），plt．imshow（img，cmap ＝ ＇gray＇）
plt．title（＇Original＇）， plt．xticks（［］）， plt．yticks（［］）
plt．subplot（1，3，2），plt．imshow（sobelx8u，cmap ＝ ＇gray＇）
plt．title（＇Sobel CV＿8U＇）， plt．xticks（［］）， plt．yticks（［］）
plt．subplot（1，3，3），plt．imshow（sobel＿8u，cmap ＝ ＇gray＇）
plt．title（＇Sobel abs（CV＿64F）＇）， plt．xticks（［］）， plt．yticks（［］）
plt．show（）
查看以下结果：
double＿edge
不断更新资源
获取更多精彩
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
