摘要：提供三種類型的梯度濾波器或高通濾波器，，和和導(dǎo)數(shù)算子是結(jié)合了高斯平滑與微分運(yùn)算的結(jié)合方法，所以它的抗噪聲能力很強(qiáng)用戶可以設(shè)定求導(dǎo)方向，水平或者垂直通過(guò)參數(shù)和也可以指定卷積核大小，通過(guò)參數(shù)如果，那么一個(gè)的濾波器會(huì)被使用，該濾波器會(huì)得到比濾波

Image Gradients

OpenCV提供三種類型的梯度濾波器或高通濾波器，Sobel，Scharr和Laplacian.

Sobel算子是結(jié)合了高斯平滑與微分運(yùn)算的結(jié)合方法，所以它的抗噪聲能力很強(qiáng).

用戶可以設(shè)定求導(dǎo)方向，水平或者垂直（通過(guò)參數(shù)yorder和xorder）.也可以指定卷積核大小，通過(guò)參數(shù)ksize.如果ksize=-1，那么一個(gè)3*3的scharr濾波器會(huì)被使用，該濾波器會(huì)得到比Sobel濾波器更好的效果.

該方法計(jì)算了圖像的拉普拉斯導(dǎo)數(shù):

$$ Delta src = frac{partial ^2{src}}{partial x^2} + frac{partial ^2{src}}{partial y^2} $$

每個(gè)求導(dǎo)數(shù)的方法都是使用Sobel求導(dǎo)方法,如果ksize=1，那么會(huì)使用下面核函數(shù)進(jìn)行濾波.

$$ kernel = egin{bmatrix} 0 & 1 & 0 1 & -4 & 1 0 & 1 & 0 end{bmatrix} $$

代碼：

import cv2
from matplotlib import pyplot as plt

img = cv2.imread("img.jpg",0)

laplacian = cv2.Laplacian(img,cv2.CV_64F)
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
sobely = cv2.Sobel(img,cv2.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()

在我們的上一個(gè)示例中，輸出數(shù)據(jù)類型為cv.CV_8U或np.uint8.但是這有一個(gè)小問(wèn)題.將黑到白轉(zhuǎn)換視為正斜率（它具有正值），而將白到黑轉(zhuǎn)換視為負(fù)斜率（它具有負(fù)值）. 因此，當(dāng)您將數(shù)據(jù)轉(zhuǎn)換為np.uint8時(shí)，所有負(fù)斜率都為零.

如果想要兩種邊界都檢測(cè)到，最高的辦法就是將輸出數(shù)據(jù)類型設(shè)置更高，cv2.CV_16S，cv2.CV_64F等等,然后取絕對(duì)值轉(zhuǎn)換為cv2.CV_8.

代碼：

import numpy as np
import cv2
from matplotlib import pyplot as plt

img = cv2.imread("img5.png",0)


# Output dtype = cv.CV_8U
sobelx8u = cv2.Sobel(img,cv2.CV_8U,1,0,ksize=5)

# Output dtype = cv.CV_64F. Then take its absolute and convert to cv.CV_8U
sobelx64f = cv2.Sobel(img,cv2.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()