python的Sobel算子怎么使用

這篇“python的Sobel算子怎么使用”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“python的Sobel算子怎么使用”文章吧。

說明

1、Sobel算子根據像素點的上下、左右相鄰點的灰度加權差，在邊緣達到極值的現象來檢測邊緣。

它具有平滑的噪聲功能，并提供更準確的邊緣方向信息。由于Sobel算子結合了高斯平滑度和微分求導(分化)，因此結果會更具抗噪性，當對精度要求不高時，Sobel算子是一種常用的邊緣檢測方法。

2、Sobel算子仍然是過濾器，但它有方向。

dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])

實例

# coding=utf-8
import cv2
import numpy as np
 
img = cv2.imread("D:/test/26.png", 0)
 
'''
在Sobel函數的第二個參數這里使用了cv2.CV_16S。
因為OpenCV文檔中對Sobel算子的介紹中有這么一句：
“in the case of 8-bit input images it will result in truncated derivatives”。
即Sobel函數求完導數后會有負值，還有會大于255的值。
而原圖像是uint8，即8位無符號數，所以Sobel建立的圖像位數不夠，會有截斷。
因此要使用16位有符號的數據類型，即cv2.CV_16S。
在經過處理后，別忘了用convertScaleAbs()函數將其轉回原來的uint8形式。
否則將無法顯示圖像，而只是一副灰色的窗口。convertScaleAbs()的原型為：
dst = cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])
其中可選參數alpha是伸縮系數，beta是加到結果上的一個值。結果返回uint8類型的圖片。
由于Sobel算子是在兩個方向計算的，最后還需要用cv2.addWeighted(...)函數將其組合起來。
其函數原型為：
dst = cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]])
其中alpha是第一幅圖片中元素的權重，beta是第二個的權重，gamma是加到最后結果上的一個值。
'''
 
x = cv2.Sobel(img, cv2.CV_16S, 1, 0)
y = cv2.Sobel(img, cv2.CV_16S, 0, 1)
 
absX = cv2.convertScaleAbs(x)# 轉回uint8
absY = cv2.convertScaleAbs(y)
 
dst = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)
 
cv2.imshow("orign", img)
cv2.imshow("absX", absX)
cv2.imshow("absY", absY)
 
cv2.imshow("Result", dst)
 
cv2.waitKey(0)
cv2.destroyAllWindows()

以上就是關于“python的Sobel算子怎么使用”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。