⚠️這個系列是自己瞎翻的，文法很醜，主要靠意會，跳著跳著撿重要的部分翻，翻錯了不負責，就這樣哈。

⚠️基於3.4.3，Image Gradients，附原文。

目標

在這一章，我們將學習：

• 找到影象梯度、邊緣等等
• 我們會遇到以下函式：cv.Sobel()，cv.Scharr()，cv.Laplacian() 等等

理論

OpenCV提供三種梯度濾波器或高通濾波器，Sobel，Scharr和Laplacian。我們將會一個個來看。

1、索貝爾和沙爾（Sobel  Scharr）倒數

索貝爾演算法是一個高斯平滑加上其他操作的結合，所以它更能對抗影象噪聲（譯者注：因為高斯平滑濾掉了一部分噪聲）。您可以指定要取的導數的方向，垂直的或水平的（分別通過引數yorder和xorder）。你也可以指定核心的大小，通過引數 ksize。如果給ksize = -1，就會使用一個 3x3 沙爾濾波器，它會給出一個比 3x3 索貝爾濾波器更好的結果。它們使用的核心，請看文件。

2、拉普拉斯（Laplacian）倒數

它通過如下關係 Δsrc=∂2src∂x2+∂2src∂y2 來計算影象的拉普拉斯運算元（譯者注：拉普拉斯運算元）。每個導數都是用索貝爾導數求出來的。如果 ksize = 1，那麼用下面的核心進行過濾：

程式碼

下面的程式碼用一個圖示展示了所有的操作。所有核心採用 5x5 大小。輸出影象深度為-1，得到np.uint8型別格式的結果。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('dave.jpg',0)
laplacian = cv.Laplacian(img,cv.CV_64F)
sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
sobely = cv.Sobel(img,cv.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()
 

結果：

一個重要的事情！

在上一個例子中，輸出資料型別是cv.CV 8U或np.uint8。但是有一個小問題。黑-白轉換為正斜率（值為正），白-黑轉換為負斜率（值為負）。當你把資料轉換成np.uint8，所有負斜率都是零。簡單地說，你錯過了那條邊界。如果希望同時檢測到這兩條邊，更好的選擇是將輸出資料型別保持為某些更高的形式，比如cv.CV_16S，cv.CV_64F 等等。取其絕對值，再轉換回cv.CV_8U。下面的程式碼演示了這個過程的水平索貝爾過濾器和結果的差異。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('box.png',0)
# Output dtype = cv.CV_8U
sobelx8u = cv.Sobel(img,cv.CV_8U,1,0,ksize=5)
# Output dtype = cv.CV_64F. Then take its absolute and convert to cv.CV_8U
sobelx64f = cv.Sobel(img,cv.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()
 

檢視以下結果：

Additional Resources

Exercises

上篇：【翻譯：OpenCV-Python教程】形態變化

下篇：【翻譯：OpenCV-Python教程】坎尼邊緣檢測