提交 14b4baeb 编写于 作者: youcans_'s avatar youcans_

上传新文件

上级 13ed05ca
# Sobel 梯度算子
在图像处理中,梯度反映了像素值的最大变化率的方向,能够突出和提取边缘,常用于工业检测中产品缺陷检测和自动检测的预处理。
OpenCV 提供了三种梯度算子:Sobel、Scharr 和 Laplacian。Sobel 梯度算子是高斯平滑和微分求导的联合运算,抗噪声能力强。
Sobel 梯度算子很容易通过卷积操作 cv.filter2D 实现,OpenCV 也提供了函数 **cv.Sobel** 实现 Sobel 梯度算子。
**函数说明:**
```
cv.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]]) → dst
```
我们用 Sobel 算子从 Lena 图像提取边缘,看看会产生什么样的效果吧。
![](./gradientOutput.png)
下面对 Sobel 梯度算子实现代码正确的是?
## 答案
```
import cv2 as cv
if __name__ == '__main__':
img = cv.imread("lena.png", flags=1)
imgGray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
SobelX = cv.Sobel(imgGray, cv.CV_16S, 1, 0) # 计算 x 轴方向
SobelY = cv.Sobel(imgGray, cv.CV_16S, 0, 1) # 计算 y 轴方向
absX = cv.convertScaleAbs(SobelX) # 转回 uint8
absY = cv.convertScaleAbs(SobelY) # 转回 uint8
SobelXY = cv.addWeighted(absX, 0.5, absY, 0.5, 0) # 用绝对值近似平方根
cv.imshow("Sobel gradient", SobelXY)
cv.waitKey(0)
```
## 选项
### 函数 cv.Sobel() 缺少参数:数据深度 ddepth
```
import cv2 as cv
if __name__ == '__main__':
img = cv.imread("lena.png", flags=1)
imgGray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
SobelX = cv.Sobel(imgGray, 1, 0)
SobelY = cv.Sobel(imgGray, 0, 1)
absX = cv.convertScaleAbs(SobelX)
absY = cv.convertScaleAbs(SobelY)
SobelXY = cv.addWeighted(absX, 0.5, absY, 0.5, 0)
cv.imshow("Sobel gradient", SobelXY)
cv.waitKey(0)
```
### 梯度运算结果有正负,绝对值或平方和处理后才能加权
```
import cv2 as cv
if __name__ == '__main__':
img = cv.imread("lena.png", flags=1)
imgGray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
SobelX = cv.Sobel(imgGray, cv.CV_16S, 1, 0) # 计算 x 轴方向
SobelY = cv.Sobel(imgGray, cv.CV_16S, 0, 1) # 计算 y 轴方向
SobelXY = cv.addWeighted(SobelX, 0.5, SobelY, 0.5, 0) # 用绝对值近似平方根
cv.imshow("Sobel gradient", SobelXY)
cv.waitKey(0)
```
### 只对 x 轴方向进行了梯度运算
```
import cv2 as cv
if __name__ == '__main__':
img = cv.imread("lena.png", flags=1)
imgGray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
SobelX = cv.Sobel(imgGray, cv.CV_16S, 1, 0) # 计算 x 轴方向
absX = cv.convertScaleAbs(SobelX) # 转回 uint8
cv.imshow("Sobel gradient", absX)
cv.waitKey(0)
```
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册