【笔记】sobel算子 scharr算子 laplacian算子

浅浅的花香味﹌ 2022-11-03 11:18 180阅读 0赞

## sobel算子 ##

参数ksize:sobel核的大小，为-1时会使用scharr算子运算  
直接将参数ddepth的值设置为-1，在计算时得到的结果可能是错误的。 在实际操作中，计算梯度值可能会出现负数。如果处理的图像是8位图类型，则在ddepth的参数值为-1时，意味着指定运算结果也是8位图类型，那么所有负数会自动截断为0，发生信息丢失。为了避免信息丢失，在计算时要先使用更高的数据类型 cv2.CV\_64F，再通过取绝对值将其映射为cv2.CV\_8U（8位图）类型。所以，通常要将函数cv2.Sobel（）内参数ddepth的值设置为“cv2.CV\_64F”。

**可用函数cv2.convertScaleAbs（）对参数取绝对值**，该函数的语法格式为： dst=cv2.convertScaleAbs（src\[,alpha\[,beta\]\]） 上式中：  
● dst代表处理结果。  
● src代表原始图像。  
● alpha代表调节系数，该值是可选值，默认为1。  
● beta代表调节亮度值，该值是默认值，默认为0。 这里，该函数的作用是将原始图像src转换为256色位图，其可以表示为： dst=saturate（src\*alpha+beta）

在函数cv2.Sobel（）中，参数dx表示x轴方向的求导阶数，参数dy表示y轴方向的求导阶数。参数dx和dy通常的值为0或者1，最大值为2。如果是0，代表在该方向没有求导，dx与dy不能同时为0

img = cv2.imread("p7.jpg")
    dst = cv2.Sobel(img,-1,1,0)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70]

img = cv2.imread("p7.jpg")
    dst = cv2.Sobel(img,-1,0,1)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 1]  
没感觉两个图片有什么差别。可能是因为ddepth参数的原因。

设置`dst = cv2.Sobel(img,cv2.CV_64F,0,1)` \#获得垂直方向的边缘信息  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 2]  
可以看到很多的水平线了。  
改为:

dst = cv2.Sobel(img,cv2.CV_64F,1,0)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 3]  
从程序可以看出，将参数ddepth的值设置为“cv2.CV\_64F”，参数dx和dy的值设置为“dx=0,dy=1”的情况下，使用函数 cv2.convertScaleAbs（）对函数 cv2.Sobel（）的计算结果取绝对值，可以获取图像在垂直方向的完整边缘信息。

### 在垂直和水平方向叠加边缘信息 ###

img = cv2.imread("p7.jpg")
    dst = cv2.Sobel(img,cv2.CV_64F,0,1)
    dst2 = cv2.Sobel(img,cv2.CV_64F,1,0)
    dst = cv2.convertScaleAbs(dst)
    dst2 = cv2.convertScaleAbs(dst2)
    r = cv2.addWeighted(dst,0.5,dst2,0.5,0)
    cv2.imshow("i",r)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 4]

## Sobel算子 ##

在离散的空间上，有很多方法可以用来计算近似导数，在使用3×3的Sobel算子时，可能计算结果并不太精准。OpenCV提供了Scharr算子，该算子具有和Sobel算子同样的速度，且精度更高。可以将Scharr算子看作对Sobel算子的改进

函数cv2.Scharr（）和函数cv2.Sobel（）的使用方式基本一致。 首先，需要注意的是，**参数ddepth的值应该设置为“cv2.CV\_64F”**，并对函数cv2.Scharr（）的计算结果取绝对值，才能保证得到正确的处理结果。具体语句为：

dst=Scharr（src,cv2.CV_64F,dx,dy） 
     dst=cv2.convertScaleAbs（dst）

另外，需要注意的是，在函数cv2.Scharr（）中，要求参数dx和dy满足条件： dx >=0 && dy >=0 && dx+dy==1  
当函数cv2.Sobel（）中ksize的参数值为-1时，就会使用Scharr算子进行运算。因此，  
dst=cv2.Sobel（src,ddpeth,dx,dy,-1） 等价于  
dst=cv2.Scharr（src,ddpeth,dx,dy）

### 二者对比 ###

用两个算子计算一幅图水平边缘和垂直边缘的叠加信息

img = cv2.imread("p7.jpg")
    dst = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
    dst2 = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
    dst = cv2.convertScaleAbs(dst)
    dst2 = cv2.convertScaleAbs(dst2)
    r1 = cv2.addWeighted(dst,0.5,dst2,0.5,0)
    scharrx = cv2.Scharr(img,cv2.CV_64F,0,1)
    scharry = cv2.Scharr(img,cv2.CV_64F,1,0)
    scharrx = cv2.convertScaleAbs(scharrx)
    scharry = cv2.convertScaleAbs(scharry)
    
    r = cv2.addWeighted(scharrx,0.5,scharry,0.5,0)
    cv2.imshow("schar",r)
    cv2.imshow("sobel",r1)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 5]

## laplacian ##

式中：
      ● dst代表目标图像。 
      ● src代表原始图像。 
      ● ddepth代表目标图像的深度。 
      ● ksize代表用于计算二阶导数的核尺寸大小。该值必须是正的奇数。
    
    ```python
    img = cv2.imread("p7.jpg")
    
    lapci = cv2.Laplacian(img,cv2.CV_64F,ksize=3)
    lapci = cv2.convertScaleAbs(lapci)
    cv2.imshow("lap",lapci)

当未写ksize=3的效果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 6]  
设置ksize=3：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 7]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70]: /images/20221024/5ee0a2b9eb3a4a8ca919b02f9b706539.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 1]: /images/20221024/9e1e87ab9a2f4a1c976814b699877d1f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 2]: /images/20221024/2d14dd2b692d43e186d6632b01fcf2f8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 3]: /images/20221024/18fb08b8903f41629977beed551b7dc7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 4]: /images/20221024/8913b4f875344bcb9a0ede1f444678ea.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 5]: /images/20221024/eb0647dd3b5448ebbc535504170a39b7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 6]: /images/20221024/4d64109abf07435992e3993d26af0b36.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzU4NTc0_size_16_color_FFFFFF_t_70 7]: /images/20221024/1b8739ebbc5149c48cc0e4ca227559e4.png