Sobel（索贝尔），Scharr（沙尔）和Laplacian（拉普拉斯）算子—

文章目录

1.Sobel（索贝尔）（高斯）：通过对X,Y方向求梯度
- 2.具体实现原理过程
- 3.代码实战
2.Scharr（沙尔算子）算子
3.拉普拉斯算子

1.Sobel（索贝尔）（高斯）：通过对X,Y方向求梯度

（1）首先求解X方向的导；
（2）再求Y方向的导；
（3）最终结果：|G|=|Gx|+|Gy|;

2.具体实现原理过程

（1）如果对X方向求梯度，使用如下面这样的卷积核
对图像中的像素值进行卷积（点乘）：

（2）如果对Y方向求梯度，使用如下面这样的卷积核

对图像中的像素值进行卷积（点乘）：

3.代码实战

import os
import cv2
import numpy as npdef SobelFilter(img_path='images/chess.png'):img_src=cv2.imread(img_path)img=cv2.resize(src=img_src,dsize=(450,450))img_dy=cv2.Sobel(src=img,ddepth=-1,dx=1,dy=0,ksize=5)img_dx=cv2.Sobel(src=img,ddepth=-1,dx=0,dy=1,ksize=5)img_dx_dy=img_dx+img_dy# img_dx_dy=cv2.add(img_dx,img_dy)cv2.imshow('img_src',img_src)cv2.imshow('img_dx',img_dx)cv2.imshow('img_dy',img_dy)cv2.imshow('img_dx_dy',img_dx_dy)cv2.waitKey(0)cv2.destroyAllWindows()def detectSobelFilter():cap=cv2.VideoCapture(0)while cap.isOpened():OK,frame=cap.read()if OK:img = cv2.resize(src=frame, dsize=(450, 450))img_dy = cv2.Sobel(src=img, ddepth=cv2.CV_64F, dx=1, dy=0, ksize=5)img_dx = cv2.Sobel(src=img, ddepth=cv2.CV_64F, dx=0, dy=1, ksize=5)img_dx_dy = img_dx + img_dycv2.imshow('object',img_dx_dy)else:print('为检测到物体')if cv2.waitKey(1)&0XFF==27:breakcap.release()cv2.destroyAllWindows()if __name__ == '__main__':print('Pycharm')SobelFilter()# detectSobelFilter()

对下面这张图分别进行X和Y方向求梯度进行测试：

实时测试：

2.Scharr（沙尔算子）算子

（1）与索贝尔不同的是kernel的值不同，沙尔只支持kernel（3,3），所以函数中的kernel不需要设置；
（2）沙尔只能求X方向或者Y方向的边缘。

函数：Scharr(src, ddepth, dx, dy, dst=None, scale=None, delta=None, borderType=None)
（1）src:输入的原始图像；
（2）Ddepth:输出图像的位深，如CV_32F,CV_64F;
（3）Dx:对X方向的求导；
（4）Dy:对Y方向的求导；
（5）Dst:输出的图像；
（6）Scale:缩放尺寸，默认值为1；
（7）Delta:

实例代码

实例代码：import os
import cv2
import numpy as npdef ScharrFilter(img_path='images/chess.png'):img_src=cv2.imread(img_path)img=cv2.resize(src=img_src,dsize=(450,450))img_dy=cv2.Scharr(src=img,ddepth=-1,dx=1,dy=0)img_dx=cv2.Scharr(src=img,ddepth=-1,dx=0,dy=1)img_dx_dy=img_dx+img_dy# img_dx_dy=cv2.add(img_dx,img_dy)cv2.imshow('img_src',img_src)cv2.imshow('img_dx',img_dx)cv2.imshow('img_dy',img_dy)cv2.imshow('img_dx_dy',img_dx_dy)cv2.waitKey(0)cv2.destroyAllWindows()def detectScharrFilter():cap=cv2.VideoCapture(0)while cap.isOpened():OK,frame=cap.read()if OK:img = cv2.resize(src=frame, dsize=(450, 450))img_dy = cv2.Scharr(src=img, ddepth=cv2.CV_64F, dx=1, dy=0)img_dx = cv2.Scharr(src=img, ddepth=cv2.CV_64F, dx=0, dy=1)img_dx_dy = img_dx + img_dycv2.imshow('object',img_dx_dy)else:print('为检测到物体')if cv2.waitKey(1)&0XFF==27:breakcap.release()cv2.destroyAllWindows()if __name__ == '__main__':print('Pycharm')ScharrFilter()# detectScharrFilter()

3.拉普拉斯算子

（1）可以同时求X,Y方向的边缘；
（2）对噪音敏感，一般需要先进行去噪再调用拉普拉斯算法（中值或者高斯算法去噪）；

函数：Laplacian(src, ddepth, dst=None, ksize=None, scale=None, delta=None, borderType=None):

（1）src:输入的原始图像；
（2）Ddepth:输出图像的位深，如CV_32F,CV_64F;
（3）Dx:对X方向的求导；
（4）Dy:对Y方向的求导；
（5）Dst:输出的图像；
（6）Ksize:卷积核的大小；
（7）Scale:缩放尺寸，默认值为1；

实例代码：

import os
import cv2
import numpy as npdef LaplacianFilter(img_path='images/chess.png'):img_src=cv2.imread(img_path)img=cv2.resize(src=img_src,dsize=(450,450))img=cv2.Laplacian(src=img,ddepth=-1,ksize=5)cv2.imshow('img_src',img_src)cv2.imshow('img',img)cv2.waitKey(0)cv2.destroyAllWindows()def detectLaplacianFilter():cap=cv2.VideoCapture(0)while cap.isOpened():OK,frame=cap.read()if OK:img = cv2.resize(src=frame, dsize=(450, 450))img=cv2.Laplacian(src=img,ddepth=-1,ksize=5)cv2.imshow('object',img)else:print('为检测到物体')if cv2.waitKey(1)&0XFF==27:breakcap.release()cv2.destroyAllWindows()if __name__ == '__main__':print('Pycharm')# LaplacianFilter()detectLaplacianFilter()

关于Canny边缘检测：https://mydreamambitious.blog.csdn.net/article/details/125116318