描述:cv2中的sobel算子
函数原型:
dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])
参数:
前四个是必须的参数:
1. src - 需要处理的图像
2. ddepth - 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
3. dx - 对x轴方向求导的阶数,一般为0、1、2,其中0表示这个方向上没有求导
4. dy - 对y轴方向求导的阶数,一般为0、1、2,其中0表示这个方向上没有求导
其后是可选的参数:
5. dst - 目标图像
6. ksize - Sobel算子的大小,必须为1、3、5、7
7. scale - 缩放导数的比例常数,默认情况下没有伸缩系数
8. delta - 可选增量, 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
9. borderType - 图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT
功能:
应用于图像边缘检测
说明:
1. 在经过处理后,需要用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。
函数原型:dst = 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
# absX=cv2.convertScaleAbs(x) # 转回uint8
# absY=cv2.convertScaleAbs(y)
功能:实现将原图片转换为uint8类型
2. 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
函数原型为:dst = 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
功能:实现以不同的权重将两幅图片叠加,对于不同的权重,叠加后的图像会有不同的透明度