本文主要给大家介绍OpenCV中实现图像梯度的方法，本文有具体示例代码及解释，有这方面学习需要的朋友可以参考，接下来跟随小编一起学习一下吧。

    概述

    OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界.

    梯度运算

    梯度: 膨胀 (Dilating) - 腐蚀 (Eroding).

    例子:

# 读取图片
pie = cv2.imread("pie.png")

# 核
kernel = np.ones((7, 7), np.uint8)

# 计算梯度
gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel=kernel)

# 图片展示
cv2.imshow("gradient", gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()

    输出结果:

    礼帽

    礼帽 (Top Hat): 原始输入 - 开运算结果.

    例子:

# 读取图片
img = cv2.imread("white.png")

# 核
kernel = np.ones((7, 7), np.uint8)

# 礼帽
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel=kernel)

# 图片展示
cv2.imshow("tophat", tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()

    输出结果:

    黑帽

    黑帽 (Black Hat): 闭运算 - 原始输入.

    例子:

# 读取图片
img = cv2.imread("white.png")

# 核
kernel = np.ones((7, 7), np.uint8)

# 礼帽
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel=kernel)

# 图片展示
cv2.imshow("blackhat", blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()

    输出结果:

    Sobel 算子

    Sobel 算子 (Sobeloperator) 是边缘检测中非常重要的一个算子. Sobel 算子是一类离散性差分算子, 用来运算图像高亮度函数的灰度之近似值.

格式:

cv2.Sobel(src, ddepth, dx, dy, ksize)

    参数:

• src: 原图
• ddepth: 图片深度
• dx: 水平方向
• dy: 竖直方向
• ksize: 算子大小

    计算 x

    代码:

# 读取图片
img = cv2.imread("pie.png")

# Sobel算子
sobelx = cv2.Sobel(img, -1, 1, 0, ksize=3)

# 展示图片
cv2.imshow("sobelx", sobelx)
cv2.waitKey(0)
cv2.destroyAllWindows()

    输出结果:

    计算 y

    代码:

# 读取图片
img = cv2.imread("pie.png")

# Sobel算子
sobely = cv2.Sobel(img, -1, 0, 1, ksize=3)

# 展示图片
cv2.imshow("sobely", sobely)
cv2.waitKey(0)
cv2.destroyAllWindows()

    输出结果:

    计算 x+y

    代码:

# 读取图片
img = cv2.imread("pie.png")

# Sobel算子
sobel = cv2.Sobel(img, -1, 1, 1, ksize=3)

# 展示图片
cv2.imshow("sobel", sobel)
cv2.waitKey(0)
cv2.destroyAllWindows()

    输出结果:

    融合

    代码:

# Sobel算子
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)

# 转换成绝对值
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.convertScaleAbs(sobely)

# 融合
sobel_xy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)

# 展示图片
cv2.imshow("sobel_xy", sobel_xy)
cv2.waitKey(0)
cv2.destroyAllWindows()

    输出结果:

    注: 当 ddepth 设置为 -1, 即与原图保持一致, 得到的结果可能是错误的. 计算梯度值可能出现负数, 负数会自动截断为 0. 为了避免信息丢失, 我们需要使用更高是数据类型 cv2.CV_64F, 再通过取绝对值将其映射到 cv2.CV_8U 类型.

    以上就是OpenCV中实现图像梯度的方法了，本文对大家学习和理解OpenCV图像梯度实现有一定的帮助，大家可以了解看看，如果还想要了解更多opencv图像梯度的内容，大家可以继续浏览群英网络其他相关的文章。

文本转载自脚本之家

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python代码编写有哪些规范，如何使得pythonic

  何为pythonicpythonic如果翻译成中文的话就是很python。很+名词结构的用法在中国不少，比如：很娘，很国足，很CCTV等等。我的理解为，很+名词表达了一种特殊和强调的意味。所以很pyt

• 用Python怎么样对代码行数统计，思路和方法是什么

  我们经常想要统计项目的代码行数，但是如果想统计功能比较完善可能就不是那么简单了， 今天我们来看一下如何用python来实现一个代码行统计

• Python函数的必选参数是指什么，参数使用要注意哪些

  python必选参数是什么意思。函数的必选参数，指的是函数调用的时候必须传入的参数

• PyTorch实现图片的数据增广方法是什么

  本文主要介绍了PyTorch 使用torchvision进行图片数据增广，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

• pickle和json模块用来做什么，用法是怎样的

  这是用于序列化的两个模块：• json: 用于字符串和python数据类型间进行转换• pickle： 用于python特有的类型和python的数据类型间进