原理
梯度簡單來說就是求導邻吭。OpenCV 提供了三種不同的梯度濾波器格嗅，或者說高通濾波器：Sobel，Scharr 和 Laplacian臭脓。我們會意義介紹他們酗钞。Sobel腹忽，Scharr 其實就是求一階或二階導數(shù)来累。Scharr 是對 Sobel（使用小的卷積核求解求解梯度角度時）的優(yōu)化。Laplacian 是求二階導數(shù)窘奏。
1.? Sobel 算子和 Scharr 算子
Sobel 算子是高斯平滑與微分操作的結(jié)合體嘹锁，所以它的抗噪聲能力很好。你可以設(shè)定求導的方向（xorder 或 yorder）着裹。還可以設(shè)定使用的卷積核的大辛旎（ksize）。如果 ksize=-1骇扇，會使用 3x3 的 Scharr 濾波器摔竿，它的的效果要比 3x3 的 Sobel 濾波器好（而且速度相同，所以在使用 3x3 濾波器時應(yīng)該盡量使用 Scharr 濾波器）少孝。3x3 的 Scharr 濾波器卷積核如下：
2.? Laplacian 算子
拉普拉斯算子可以使用二階導數(shù)的形式定義继低，可假設(shè)其離散實現(xiàn)類似于二階 Sobel 導數(shù)，事實上稍走，OpenCV 在計算拉普拉斯算子時直接調(diào)用 Sobel 算子袁翁。計算公式如下：
拉普拉斯濾波器使用的卷積核：
下面的代碼分別使用以上三種濾波器對同一幅圖進行操作。使用的卷積核都是 5x5 的婿脸。
img = cv2.imread('opencv_logo.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()
一個重要的事!
在查看上面這個例子的注釋時不知道你有沒有注意到：當我們可以通過參數(shù) -1 來設(shè)定輸出圖像的深度（數(shù)據(jù)類型）與原圖像保持一致粱胜，但是我們在代碼中使用的卻是 cv2.CV_64F。這是為什么呢狐树？想象一下一個從黑到白的邊界的導數(shù)是整數(shù)焙压，而一個從白到黑的邊界點導數(shù)卻是負數(shù)。如果原圖像的深度是np.int8 時，所有的負值都會被截斷變成 0涯曲，換句話說就是把把邊界丟失掉答憔。所以如果這兩種邊界你都想檢測到，最好的的辦法就是將輸出的數(shù)據(jù)類型設(shè)置的更高掀抹，比如 cv2.CV_16S虐拓，cv2.CV_64F 等。取絕對值然后再把它轉(zhuǎn)回到 cv2.CV_8U傲武。下面的示例演示了輸出圖片的深度不同造成的不同效果蓉驹。
sobelx64f = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
abs_sobel64f = np.absolute(sobelx64f)
sobel_8u = np.uint8(abs_sobel64f)
