opencv python图像梯度实例详解
这篇文章主要介绍了opencvpython图像梯度实例详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
一阶导数与Soble算子
二阶导数与拉普拉斯算子
图像边缘：
Soble算子：
二阶导数：
拉普拉斯算子：
importcv2ascv
importnumpyasnp
#图像梯度（由x,y方向上的偏导数和偏移构成），有一阶导数（sobel算子）和二阶导数（Laplace算子）
#用于求解图像边缘，一阶的极大值，二阶的零点
#一阶偏导在图像中为一阶差分，再变成算子（即权值）与图像像素值乘积相加，二阶同理
defsobel_demo(image):
grad_x=cv.Sobel(image,cv.CV_32F,1,0)#采用Scharr边缘更突出
grad_y=cv.Sobel(image,cv.CV_32F,0,1)
gradx=cv.convertScaleAbs(grad_x)#由于算完的图像有正有负，所以对其取绝对值
grady=cv.convertScaleAbs(grad_y)
#计算两个图像的权值和，dst=src1*alpha+src2*beta+gamma
gradxy=cv.addWeighted(gradx,0.5,grady,0.5,0)
cv.imshow("gradx",gradx)
cv.imshow("grady",grady)
cv.imshow("gradient",gradxy)
deflaplace_demo(image):#二阶导数，边缘更细
dst=cv.Laplacian(image,cv.CV_32F)
lpls=cv.convertScaleAbs(dst)
cv.imshow("laplace_demo",lpls)
defcustom_laplace(image):
#以下算子与上面的Laplace_demo()是一样的，增强采用np.array([[1,1,1],[1,-8,1],[1,1,1]])
kernel=np.array([[1,1,1],[1,-8,1],[1,1,1]])
dst=cv.filter2D(image,cv.CV_32F,kernel=kernel)
lpls=cv.convertScaleAbs(dst)
cv.imshow("custom_laplace",lpls)
defmain():
src=cv.imread("../images/lena.jpg")
cv.imshow("lena",src)
#sobel_demo(src)
laplace_demo(src)
custom_laplace(src)
cv.waitKey(0)#等有键输入或者1000ms后自动将窗口消除，0表示只用键输入结束窗口
cv.destroyAllWindows()#关闭所有窗口
if__name__=='__main__':
main()
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。