如何在 OpenCV Python 中使用 Sobel 和拉普拉斯导数查找图像梯度?
使用 Sobel 算子，我们可以计算水平和垂直方向的图像梯度。梯度是针对灰度图像计算的。拉普拉斯算子使用二阶导数计算梯度。
语法
以下语法用于使用 Sobel 和拉普拉斯导数计算图像梯度 −
cv2.Sobel(img, ddepth, xorder, yorder, ksize) cv2.Laplacian(img, ddepth)
参数
img − 原始输入图像。
ddepth − 输出图像的所需深度。它包含有关输出图像中存储了哪种数据的信息。我们使用 cv2.CV_64F 作为 ddepth。它是一个64位浮点opencv。
xorder − 水平方向(X方向)导数的阶数。设置xorder=1，yorder=0表示X方向的一阶导数。
yorder − 垂直方向(Y方向)导数的阶数。设置xorder=0，yorder=1表示y方向的一阶导数。
ksize − 内核大小。设置ksize=5表示5×5内核大小。
步骤
您可以使用以下步骤使用Sobel和拉普拉斯导数查找图像梯度−
导入所需的库。在以下所有 Python 示例中，所需的 Python 库都是 OpenCV。请确保您已安装它。
import cv2
使用 cv2.imread() 将输入图像读取为灰度图像。
img = cv2.imread('lines.jpg',0)
使用 cv2.Sobel() 或 cv2.Laplacian() 计算 Sobel 或 Laplacian 导数。此导数指的是图像梯度。
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
使用 cv2.imshow() 方法显示图像梯度。
cv2.imshow("Sobel X", sobelx)
cv2.waitKey(0)
cv2.destroyAllWindows()
我们将在以下示例中使用此图像作为输入文件。
示例 1
在下面的 Python 程序中，我们使用 X 和 Y 方向(即水平和垂直方向)的一阶 Sobel 导数计算图像梯度。我们使用 5×5 的核大小。
# import required libraries import cv2 import numpy as np from matplotlib import pyplot as plt # read the input image as a grayscale image img = cv2.imread('lines.jpg',0) # compute the 1st order Sobel derivative in X-direction sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5) # compute the 1st order Sobel derivative in Y-direction sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5) # display sobelx and sobely cv2.imshow("Sobel X", sobelx) cv2.waitKey(0) cv2.imshow("Sobel Y", sobely) cv2.waitKey(0) cv2.destroyAllWindows()
输出
运行上述程序时，它将生成以下两个输出窗口。Sobel X 窗口显示 X 方向(水平)的导数，Sobel Y 窗口显示 Y 方向(垂直)的导数。
示例 2
在下面的 Python 程序中，我们使用拉普拉斯导数计算图像梯度。
# import required libraries import cv2 import numpy as np from matplotlib import pyplot as plt # read the input image as a grayscale image img = cv2.imread('lines.jpg',0) # compute Laplacian derivative of the input image laplacian = cv2.Laplacian(img,cv2.CV_64F) # display the laplacian cv2.imshow("Laplacian", laplacian) cv2.waitKey(0) cv2.destroyAllWindows()
输出
运行上述程序时，将生成以下输出窗口。
