python下利用opencv进行梯度计算

1、梯度就是通过对二维离散函数求导，它在边缘上的灰度变化，可以通过梯度方向的最大变化率进行表达，通过求导得出梯度变化方向和幅值等信息。

3x3 Scharr滤波器一般比3x3 Sobel滤波器效果好。结合了高斯平滑与微分。

其算子如图。

2、首先还是

先计算 x，y两个方向Scharr，然后进行绝对值，因为前面变成浮点数，求导后可能出现负值。

import cv2  as cvimport  numpy as npimport copyimport osfrom matplotlib import pyplot as pltfrom skimage.measure import compare_ssimimage = cv.imread("c:\\dajiangdahe.png", 1)

scharr_y = cv.Scharr(image,cv.CV_64F,dx=0,dy=1)

scharr_x = cv.Scharr(image,cv.CV_64F,dx=1,dy=0)

scharr_x = cv.convertScaleAbs(scharr_x)

scharr_y = cv.convertScaleAbs(scharr_y)

3、然后把2个方向的计算数值通过addWeighted整合为最后结果。

scharrOver = cv.addWeighted(scharr_x,0.5,scharr_y,0.5,0)

cv.imshow("image",image)

cv.imshow("scharr_x",scharr_x)

cv.imshow("scharr_y",scharr_y)

cv.imshow("picture",scharrOver)

cv.waitKey()

4、再举个例子看得比较清楚。

还是采用米框图

image = cv.imread("c:\\color_MiLine.png", 1)

scharr_x = cv.Scharr(image,cv.CV_64F,dx=1,dy=0)

scharr_x = cv.convertScaleAbs(scharr_x)

scharr_y = cv.Scharr(image,cv.CV_64F,dx=0,dy=1)

scharr_y = cv.convertScaleAbs(scharr_y)

scharrOver = cv.addWeighted(scharr_x,0.5,scharr_y,0.5,0)

cv.imshow("image",image)

cv.imshow("scharr_x",scharr_x)

cv.imshow("scharr_y",scharr_y)

cv.imshow("picture",scharrOver)

cv.waitKey()

cv.destroyAllWindows()

5、分别输出三种图像进行观察

cv.imshow("image",image)

cv.imshow("scharr_x",scharr_x)

cv.imshow("scharr_y",scharr_y)

cv.imshow("picture",scharrOver)

cv.waitKey()

cv.destroyAllWindows()

6、通过计算可以检测边缘，效果还可以