opencv 梯度直方图,opencv 梯度
python opencv
Sobel算子理论从不同方向计算梯度。
如图所示，从X轴计算p5的梯度。左边的卷积核系数是如果右边这一列和左边这一列相差很大，则计算出来的P5x很大，可以认为在边界上。否则不在边界上。用于求出图像边界。
也可以从Y轴计算梯度如果上下相差很大，则计算出来的值很大，则认为是边界，否则不是。
整个图像梯度
Sobel函数使用dst=cv2.sobel (src，d深度，dx，dy，[kszie])
Dst:处理结果
Src:原始图像
Ddpepth:已处理图像的深度。-1表示与原始图像相同。
Dx:x轴方向，计算X轴方向，dx=1，dy=0
Dy:y轴方向，计算Y轴，dx=0，dy=1
[ksize]:核心尺寸，默认为3。
当不使用绝对值时，负值被截断为0。
实际上，计算出的梯度值可能出现负值并被截断。通常处理的图像类型是np.unit8，处理的结果也是同一类型。所有负数都被截断为0，导致信息丢失。
因此，在计算中，较高的数据类型cv2。使用CV_64F，然后将绝对值转换成np.unit8(cv2。CV_8U)。所以深度ddepth不写-1，改cv2.CV_64F
cv2.convertScaleAbs(imgsrc)
取绝对值，将渐变图像转换成256色位图，转换成unit8类型。
计算方法
第一个是同时计算xy梯度。第一个有缺陷。
第二种方法是计算。分别计算和求和。
用途：处理结果dst = cv2.addWeighted(图像1src1,系数1,图像2src2,系数2,修正系数gamma)
当sobel函数代码深度ddepth=-1时
导入cv2import numpy为npo=cv2.imread(sobel4.bmp ，cv2。IMREAD _ gray)sobelx=cv2。Sobel(o，-1，1，0，ksize=3)cv2.imshow(original ，O) cv2。imshow (x ，sobelx) cv2。waitkey () cv2。破坏性地，windows()可以发现x轴的左边界部分没有被捕获。
当depth=cv2.cv _ 64f时，不添加cv2.convertScaleAbs(imgsrc)。
导入cv2import numpy为npo=cv2.imread(sobel4.bmp ，cv2。IMREAD _ gray)sobelx=cv2。索贝尔(o，cv2。CV_64F，1，0，ksize=3)cv2.imshow(original ，O) cv2。imshow (x ，sobelx) cv2。waitkey () cv2。破坏性地，windows()可以发现x轴的左边界部分没有被捕获。
这是因为没有取绝对值。
添加cv2.convertScaleAbs(imgsrc)。
有一个abs绝对值在里面
深度=cv2。cv _ 64f。添加cv2.convertScaleAbs(imgsrc)，
导入cv2import numpy为npo=cv2.imread(sobel4.bmp ，cv2。IMREAD _ gray)sobelx=cv2。索贝尔(o，cv2。CV_64F，1，0，K=3)sobelx=cv2 . convertscaleabs(sobelx)#转回uint8cv2.imshow (original ，o) cv2.imshow (x ，sobelx)cv2 . wait key()cv2 . destructive ly windows()完美获取边界。
并将x和y梯度系数相加。
导入cv2import numpy为npo=cv2.imread(sobel4.bmp ，cv2。IMREAD _ gray)sobelx=cv2。索贝尔(o，cv2。CV_64F，1，0，ksize=3)sobely=cv2。索贝尔(o，2。CV _ 64F，0，1，k size=3) Sobelx=CV2。Convertscaleabs (Sobelx) #转回uint8sobely=CV2。convertscaleabs(sobely)Sobel xy=CV2。添加加权(sobelx，0.5，sobely，0.5，0) cv2.imshow (original ，o) cv2.imshow (x ，sobelx) cv2.imshow (y ，sobely) cv2.imshow (xy ，sobelxy)cv2 . wait key()cv2 . destroy .即dx=1，dy=1
导入cv2import numpy为npo=cv2.imread(sobel4.bmp ，cv2。IMREAD _ gray)Sobel xy 11=cv2。索贝尔(o，cv2。CV_64F，1，1，ksize=3)cv2.imshow(original ，O) cv2.imshow (xy11 ，Sobel xy 11)cv2 . wait key()cv2 . destructive ly windows()不起作用。放弃这种方法。
总目录链接：
3 python3 opencv学习笔记汇总目录(适合基础入门学习)
高级渐变解释：
Opencv高级学习笔记10:图像金字塔和图像渐变
Xsdwd，专业电器计算机，写博文不容易。如果你觉得这篇文章对你有用，请点赞支持。谢谢你。
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。