利用sobel算子计算图像的梯度（python+opencv）_sobel算子处理的图像

sobel算子计算的梯度图是带有方向的

代码实现如下：

#coding=utf-8
import cv2
import numpy as np
 
#利用sobel算子计算图像的梯度
img=cv2.imread("3.jpg",cv2.IMREAD_UNCHANGED) #读入一副图像，其中包括alpha的值  imread_unchanged
#cv2.sobel(src,ddepth,dx,dy,[ksize]) ddepth表示图像的深度，
#  当处理为8位图像时，当梯度小于0时，会自动变成0，造成边界图像丢失
#一般设置为cv2.CV_64F
sobelx=cv2.Sobel(img,cv2.CV_64F,dx=1,dy=0)  #x方向的
#使cv2.convertScaleAbs()函数将结果转化为原来的uint8的形式
sobelx=cv2.convertScaleAbs(sobelx)
 
sobely=cv2.Sobel(img,cv2.CV_64F,dx=0,dy=1) #y方向的
sobely=cv2.convertScaleAbs(sobely)
 
result=cv2.addWeighted(sobelx,0.5,sobely,0.5,0)  #x方向和y方向的梯度权重
cv2.imshow("Original",img)
cv2.imshow("sobelx",sobelx)
cv2.imshow("sobely",sobely)
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

同样，也可以使用laplacian算子求解图像的梯度图
第一个参数是需要处理的图像；
第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；

在上述代码中加入：

#laplacian算子,ksize是算子的大小，必须为1、3、5、7。默认为1
lap = cv2.Laplacian(img,cv2.CV_16S,ksize = 3)
#用convertScaleAbs()函数将其转回原来的uint8形式
laplacian = cv2.convertScaleAbs(lap)
cv2.imshow('laplacian img',laplacian)
#高斯滤波器对图像降噪,横向和纵向滤波系数为0
gaussianblur = cv2.GaussianBlur(img,(3,3),0)