更多python教程請到： 菜鳥教程 https://www.piaodoo.com/

這篇文章主要介紹了opencv python影象梯度例項詳解,文中通過示例程式碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

一階導數與Soble運算元

二階導數與拉普拉斯運算元

影象邊緣：

Soble運算元：

二階導數：

拉普拉斯運算元：

import cv2 as cv
import numpy as np
影象梯度（由x,y方向上的偏導數和偏移構成），有一階導數（sobel運算元）和二階導數（Laplace運算元）
用於求解影象邊緣，一階的極大值，二階的零點
 

一階偏導在影象中為一階差分，再變成運算元（即權值）與影象畫素值乘積相加，二階同理
def sobel_demo(image):

grad_x = cv.Sobel(image, cv.CV_32F, 1, 0) # 採用Scharr邊緣更突出

grad_y = cv.Sobel(image, cv.CV_32F, 0, 1)
gradx = cv.convertScaleAbs(grad_x) # 由於算完的影象有正有負，所以對其取絕對值

grady = cv.convertScaleAbs(grad_y)
計算兩個影象的權值和，dst = src1alpha + src2beta + gamma
 

gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0)
cv.imshow("gradx", gradx)

cv.imshow("grady", grady)

cv.imshow("gradient", gradxy)
def laplace_demo(image): # 二階導數，邊緣更細

dst = cv.Laplacian(image,cv.CV_32F)

lpls = cv.convertScaleAbs(dst)

cv.imshow("laplace_demo", lpls)
def custom_laplace(image):
以下運算元與上面的Laplace_demo()是一樣的，增強採用np.array([[1, 1, 1], [1, -8, 1], [1, 1, 1]])
 

kernel = np.array([[1, 1, 1], [1, -8, 1], [1, 1, 1]])

dst = cv.filter2D(image, cv.CV_32F, kernel=kernel)

lpls = cv.convertScaleAbs(dst)

cv.imshow("custom_laplace", lpls)
def main():

src = cv.imread("../images/lena.jpg")

cv.imshow("lena",src)
sobel_demo(src)
laplace_demo(src)

custom_laplace(src)

cv.waitKey(0) # 等有鍵輸入或者1000ms後自動將視窗消除，0表示只用鍵輸入結束視窗

cv.destroyAllWindows() # 關閉所有視窗
if name == 'main':

main()

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援菜鳥教程www.piaodoo.com。

                    <p><p>友情連線：   [人人影視](http://www.op-kg.com/)  http://www.op-kg.com/ <p>

南瓜影視 http://www.gxxhbwc.com/

88影視網 http://www.tpyjn.cn/