"""
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：
dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])"""import cv2
import numpy as npimg = cv2.imread("cat.jpg")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("orgion",img)
cv2.imshow("Result", dst)cv2.waitKey(0)
cv2.destroyAllWindows()"""
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
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
dst = cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])"""img = cv2.imread("cat.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()
【opencv图像处理（七）sobel、Ｌaplacian】参考：https://blog.csdn.net/sunny2038/article/details/9170013
推荐阅读
- 控制算法|惯性测量单元IMU基础
- Opencv|移动平均的阈值处理 opencv实现
- 数字图像处理|Kirsch边缘检测原理
- 数字图像处理|二值图像--形态学处理4 击中，边界提取，孔洞填充，连通分量提取，凸壳，细化，骨架，形态学重建
- opencv|C++实现最简单的边缘连接(局部处理)
- 介绍几种常用的插值方法以及代码-双三次插值