OpenCV常用基本处理函数（6）图像梯度

形态学转换

腐蚀

img = cv2.imread('j.png',)
kernel = np.ones((,),np.uint8)
erosion = cv2.erode(img,kernel,iterations = )

膨胀

dilation = cv2.dilate(img,kernel,iterations = )

先进性腐蚀再进行膨胀就叫做开运算。就像我们上面介绍的那样，它被用来去除噪声。这里我们用到的函数是 cv2.morphologyEx()。

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

图像梯度

梯度简单来说就是求导，对于像素点的分布曲线求导，然后在像素变化较大的地方即为边缘，通过求导可以求出边缘的位置。

OpenCV 提供了三种不同的梯度滤波器，或者说高通滤波器：Sobel，Scharr 和 Laplacian

Sobel，Scharr 其实就是求一阶或二阶导数。Scharr 是对 Sobel（使用小的卷积核求解求解梯度角度时）的优化。Laplacian 是求二阶导数。

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)

效果如图：

Candy边缘检测

1.去除噪声，高斯核

2.计算梯度

3.进行运算

4.非极大值抑制

5.设置两个阈值（图像的灰度梯度高于 maxVal 时被认为是真的边界，那些低于 minVal 的边界会被抛弃。如果介于两者之间的话，就要看这个点是否与某个被确定为真正的边界点相连，如果是就认为它也是边界点，如果不是就抛弃）

在OpenCV中通过cv2.Canny()来进行，这个函数的第一个参数是输入图像。第二和第三个分别是 minVal 和 maxVal。第三个参数设置用来计算图像梯度的 Sobel卷积核的大小，默认值为 3。最后一个参数是 L2gradient，它可以用来设定求梯度大小的方程。如果设为 True，就会使用我们上面提到过的方程，否则使用方程：. 代替，默认值为 False。

例如：

edges = cv2.Canny(img,100,200)

参考自： 参考自：https://www.cnblogs.com/Undo-self-blog/p/8439149.html