在本章中，我们将学习：

查找图像渐变，边缘等

我们将看到以下函数：cv2.Sobel（），cv2.Scharr（），cv2.Laplacian（）等

理论

OpenCV提供三种类型的梯度滤波器或高通滤波器，Sobel，Scharr和Laplacian。

我们会看到他们中的每一个。

Sobel和Scharr衍生物

Sobel操作员是高斯平滑加分散操作的联合，因此更能抵抗噪音。

您可以指定要采取的导数的方向，垂直方向或水平方向（分别为参数yorder和xorder）。

您还可以通过参数ksize指定内核的大小。

如果ksize = -1，则使用3x3 Scharr滤波器，该滤波器比3x3 Sobel滤波器更好的结果。

请参阅使用的内核文档

拉普拉斯导数

它计算由关系给出的图像的拉普拉斯算子，Δsrc=∂2src∂x2+∂2src∂y2，其中使用Sobel衍生物找到每个导数。

如果ksize = 1，则使用以下内核进行过滤：

以下代码显示了单个图中的所有运算符。所有内核的大小为5x5。输出图像的深度通过-1来获得np.uint8类型的结果。

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('dave.jpg',0)
laplacian = cv2.Laplacian(img,cv2.CV_64F)
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)
plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,2),plt.imshow(laplacian,cmap = 'gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])
plt.show()

一个重要的事情！

在我们的最后一个例子中，输出数据类型是cv2.CV_8U或np.uint8。

但是有一个小问题。

将黑白转换作为正斜率（它具有正值），而将白 - 黑转换作为负斜率（它具有负值）。

所以当你将数据转换为np.uint8时，所有的负斜率均为零。

简单来说，你错过了这个边缘。

如果要检测到这两个边，更好的选择是将输出数据类型保持为一些较高的形式，如cv2.CV_16S，cv2.CV_64F等，取其绝对值，然后转换回cv2.CV_8U。

下面的代码演示了水平Sobel滤波器的这个过程以及结果的差异。

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('box.png',0)
# Output dtype = cv2.CV_8U
sobelx8u = cv2.Sobel(img,cv2.CV_8U,1,0,ksize=5)
# Output dtype = cv2.CV_64F. Then take its absolute and convert to cv2.CV_8U
sobelx64f = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
abs_sobel64f = np.absolute(sobelx64f)
sobel_8u = np.uint8(abs_sobel64f)
plt.subplot(1,3,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(1,3,2),plt.imshow(sobelx8u,cmap = 'gray')
plt.title('Sobel CV_8U'), plt.xticks([]), plt.yticks([])
plt.subplot(1,3,3),plt.imshow(sobel_8u,cmap = 'gray')
plt.title('Sobel abs(CV_64F)'), plt.xticks([]), plt.yticks([])
plt.show()