OpenCV-Python教程（6、Sobel算子）
本篇文章介绍如何用OpenCV-Python来使用Sobel算子。
提示：
转载请详细注明原作者及出处，谢谢！
本文介绍使用OpenCV-Python实现基本的滤波处理本文不介详细的理论知识，读者可从其他资料中获取相应的背景知识。笔者推荐清华大学出版社的《图像处理与计算机视觉算法及应用(第2版) 》。
Sobel算子
原型
Sobel算子依然是一种过滤器，只是其是带有方向的。在OpenCV-Python中，使用Sobel的算子的函数原型如下：
[python]view plaincopydst=cv2.Sobel(src,ddepth,dx,dy[,dst[,ksize[,scale[,delta[,borderType]]]]]) 函数返回其处理结果。
前四个是必须的参数：
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；dx和dy表示的是求导的阶数，0表示这个方向上没有求导，一般为0、1、2。
其后是可选的参数：
dst不用解释了；ksize是Sobel算子的大小，必须为1、3、5、7。scale是缩放导数的比例常数，默认情况下没有伸缩系数；delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。
使用
在OpenCV-Python中，Sobel函数的使用如下：
[python]view plaincopy#coding=utf-8 importcv2 importnumpyasnp img=cv2.imread("D:/lion.jpg",0) x=cv2.Sobel(img,cv2.CV_16S,1,0) y=cv2.Sobel(img,cv2.CV_16S,0,1) absX=cv2.convertScaleAbs(x)#转回uint8 absY=cv2.convertScaleAbs(y) dst=cv2.addWeighted(absX,0.5,absY,0.5,0) cv2.imshow("absX",absX) cv2.imshow("absY",absY) cv2.imshow("Result",dst) cv2.waitKey(0) cv2.destroyAllWindows()
解释
在Sobel函数的第二个参数这里使用了cv2.CV_16S。因为OpenCV文档中对Sobel算子的介绍中有这么一句：“in the case of 8-bit input images it will result in truncated derivatives”。即Sobel函数求完导数后会有负值，还有会大于255的值。而原图像是uint8，即8位无符号数，所以Sobel建立的图像位数不够，会有截断。因此要使用16位有符号的数据类型，即cv2.CV_16S。
在经过处理后，别忘了用convertScaleAbs()函数将其转回原来的uint8形式。否则将无法显示图像，而只是一副灰色的窗口。convertScaleAbs()的原型为：
[python]view plaincopydst=cv2.convertScaleAbs(src[,dst[,alpha[,beta]]]) 其中可选参数alpha是伸缩系数，beta是加到结果上的一个值。结果返回uint8类型的图片。
由于Sobel算子是在两个方向计算的，最后还需要用cv2.addWeighted(...)函数将其组合起来。其函数原型为：
[python]view plaincopydst=cv2.addWeighted(src1,alpha,src2,beta,gamma[,dst[,dtype]]) 其中alpha是第一幅图片中元素的权重，beta是第二个的权重，gamma是加到最后结果上的一个值。
结果
原图像为：
结果为：
参考资料：
1、《Opencv2 Computer Vision Application Programming Cookbook》
2、《OpenCV References Manule》
OpenCV-Python教程（7、Laplacian算子）
本篇文章介绍如何用OpenCV-Python来使用Laplacian算子。
提示：
转载请详细注明原作者及出处，谢谢！
本文介绍使用在OpenCV-Python中使用Laplacian函数本文不介详细的理论知识，读者可从其他资料中获取相应的背景知识。笔者推荐清华大学出版社的《图像处理与计算机视觉算法及应用(第2版) 》。
Laplacian算子
图像中的边缘区域，像素值会发生“跳跃”，对这些像素求导，在其一阶导数在边缘位置为极值，这就是Sobel算子使用的原理——极值处就是边缘。如下图（下图来自OpenCV官方文档）：
如果对像素值求二阶导数，会发现边缘处的导数值为0。如下（下图来自OpenCV官方文档）：
Laplace函数实现的方法是先用Sobel 算子计算二阶x和y导数，再求和：（CSDN，你打水印，让我的公式怎么办？）
函数原型
在OpenCV-Python中，Laplace算子的函数原型如下：
[python]view plaincopydst=cv2.Laplacian(src,ddepth[,dst[,ksize[,scale[,delta[,borderType]]]]]) 如果看了上一篇Sobel算子的介绍，这里的参数应该不难理解。
前两个是必须的参数：
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；
其后是可选的参数：
dst不用解释了；ksize是算子的大小，必须为1、3、5、7。默认为1。scale是缩放导数的比例常数，默认情况下没有伸缩系数；delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。
使用
这里还是以Sobel一文中的石狮作为测试图像，下面是测试代码：
[python]view plaincopy#coding=utf-8 importcv2 importnumpyasnp img=cv2.imread("D:/lion.jpg",0) gray_lap=cv2.Laplacian(img,cv2.CV_16S,ksize=3) dst=cv2.convertScaleAbs(gray_lap) cv2.imshow('laplacian',dst) cv2.waitKey(0) cv2.destroyAllWindows() 为了让结果更清晰，这里的ksize设为3，效果图如下：
有点像粉笔画，是吧。这是因为原图像未经过去噪就直接处理了。可以通过滤波一文中，使用低通滤波一节中高斯模糊来先处理一下再用拉普拉斯函数。
参考资料：
1、《Opencv2 Computer Vision Application Programming Cookbook》
2、《OpenCV References Manule》
OpenCV-Python教程（8、Canny边缘检测Sobel算子）
本篇文章介绍如何用OpenCV-Python来使用Canny算子。
提示：
转载请详细注明原作者及出处，谢谢！
本文介绍使用OpenCV-Python实现基本的滤波处理本文不介详细的理论知识，读者可从其他资料中获取相应的背景知识。笔者推荐清华大学出版社的《图像处理与计算机视觉算法及应用(第2版) 》。
原型
OpenCV-Python中Canny函数的原型为：
[python]view plaincopyedge=cv2.Canny(image,threshold1,threshold2[,edges[,apertureSize[,L2gradient]]]) 必要参数：第一个参数是需要处理的原图像，该图像必须为单通道的灰度图；第二个参数是阈值1；第三个参数是阈值2。
其中较大的阈值2用于检测图像中明显的边缘，但一般情况下检测的效果不会那么完美，边缘检测出来是断断续续的。所以这时候用较小的第一个阈值用于将这些间断的边缘连接起来。
可选参数中apertureSize就是Sobel算子的大小。而L2gradient参数是一个布尔值，如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开放），否则使用L1范数（直接将两个方向导数的绝对值相加）。
具体的算法可参见清华大学出版社的《图像处理与计算机视觉算法及应用(第2版) 》第二章，其中有Canny算法的详细描述及实现。
函数返回一副二值图，其中包含检测出的边缘。
使用
Canny函数的使用很简单，只需指定最大和最小阈值即可。如下：
[python]view plaincopy#coding=utf-8 importcv2 importnumpyasnp img=cv2.imread("D:/lion.jpg",0) img=cv2.GaussianBlur(img,(3,3),0) canny=cv2.Canny(img,50,150) cv2.imshow('Canny',canny) cv2.waitKey(0) cv2.destroyAllWindows() 首先，由于Canny只能处理灰度图，所以将读取的图像转成灰度图。
用高斯平滑处理原图像降噪。
调用Canny函数，指定最大和最小阈值，其中apertureSize默认为3。
处理结果如下：
更多
这个程序只是静态的，在github上有一个可以在运行时调整阈值大小的程序。其代码如下：
[python]view plaincopyimportcv2 importnumpyasnp defCannyThreshold(lowThreshold): detected_edges=cv2.GaussianBlur(gray,(3,3),0) detected_edges=cv2.Canny(detected_edges,lowThreshold,lowThreshold*ratio,apertureSize=kernel_size) dst=cv2.bitwise_and(img,img,mask=detected_edges)#justaddsomecolourstoedgesfromoriginalimage. cv2.imshow('cannydemo',dst) lowThreshold=0 max_lowThreshold=100 ratio=3 kernel_size=3 img=cv2.imread('D:/lion.jpg') gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) cv2.namedWindow('cannydemo') cv2.createTrackbar('Minthreshold','cannydemo',lowThreshold,max_lowThreshold,CannyThreshold) CannyThreshold(0)#initialization ifcv2.waitKey(0)==27: cv2.destroyAllWindows() 原地址在此，其中还有其他的初级图像处理的代码，大伙可以去看看。后续文章将介绍更多的OpenCV的函数使用，以及视频的处理。
参考资料：
1、《Opencv2 Computer Vision Application Programming Cookbook》
2、《OpenCV References Manule》
from: /sunny2038/article/category/904451
