OpenCV图像处理如何进行梯度检测

梯度简单来说就是求导，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。

step1：加载图片，转成灰度图

image = cv2.imread（“353.jpg”）gray = cv2.cvtColor（image， cv2.COLOR_BGR2GRAY）

step2：用Sobel算子计算x，y方向上的梯度，之后在x方向上减去y方向上的梯度，通过这个减法，我们留下具有高水平梯度和低垂直梯度的图像区域。

gradX = cv2.Sobel（gray， ddepth=cv2.cv.CV_32F， dx=1， dy=0， ksize=-1）gradY = cv2.Sobel（gray， ddepth=cv2.cv.CV_32F， dx=0， dy=1， ksize=-1）

# subtract the y-gradient from the x-gradientgradient = cv2.subtract（gradX， gradY）gradient = cv2.convertScaleAbs（gradient）

step3：去除图像上的噪声。首先使用低通滤泼器平滑图像（9 x 9内核），这将有助于平滑图像中的高频噪声。低通滤波器的目标是降低图像的变化率。如将每个像素替换为该像素周围像素的均值。这样就可以平滑并替代那些强度变化明显的区域。

然后，对模糊图像二值化。梯度图像中不大于90的任何像素都设置为0（黑色）。否则，像素设置为255（白色）

# blur and threshold the imageblurred = cv2.blur（gradient， （9， 9））（_， thresh） = cv2.threshold（blurred， 90， 255， cv2.THRESH_BINARY）

step4：在上图中我们看到蜜蜂身体区域有很多黑色的空余，我们要用白色填充这些空余，使得后面的程序更容易识别昆虫区域，这需要做一些形态学方面的操作。

kernel = cv2.getStructuringElement（cv2.MORPH_RECT， （25， 25））closed = cv2.morphologyEx（thresh， cv2.MORPH_CLOSE， kernel）

step5：从上图我们发现图像上还有一些小的白色斑点，这会干扰之后的昆虫轮廓的检测，要把它们去掉。分别执行4次形态学腐蚀与膨胀。

# perform a series of erosions and dilationsclosed = cv2.erode（closed， None， iterations=4）closed = cv2.dilate（closed， None， iterations=4）

step6：找出昆虫区域的轮廓。cv2.findContours（）函数第一个参数是要检索的图片，必须是为二值图，即黑白的（不是灰度图），所以读取的图像要先转成灰度的，再转成二值图，我们在第三步用cv2.threshold（）函数已经得到了二值图。第二个参数表示轮廓的检索模式，有四种：

cv2.RETR_EXTERNAL表示只检测外轮廓

cv2.RETR_LIST检测的轮廓不建立等级关系

cv2.RETR_CCOMP建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边界信息。如果内孔内还有一个连通物体，这个物体的边界也在顶层。

cv2.RETR_TREE建立一个等级树结构的轮廓。

第三个参数为轮廓的近似方法

cv2.CHAIN_APPROX_NONE存储所有的轮廓点，相邻的两个点的像素位置差不超过1，即max（abs（x1-x2），abs（y2-y1））==1

cv2.CHAIN_APPROX_SIMPLE压缩水平方向，垂直方向，对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需4个点来保存轮廓信息

cv2.findContours（）函数返回两个值，一个是轮廓本身，还有一个是每条轮廓对应的属性。cv2.findContours（）函数返回第一个值是list，list中每个元素都是图像中的一个轮廓，用numpy中的ndarray表示。每一个ndarray里保存的是轮廓上的各个点的坐标。我们把list排序，点最多的那个轮廓就是我们要找的昆虫的轮廓。

OpenCV中通过cv2.drawContours在图像上绘制轮廓。

第一个参数是指明在哪幅图像上绘制轮廓

第二个参数是轮廓本身，在Python中是一个list

第三个参数指定绘制轮廓list中的哪条轮廓，如果是-1，则绘制其中的所有轮廓

第四个参数是轮廓线条的颜色

第五个参数是轮廓线条的粗细

cv2.minAreaRect（）函数：

主要求得包含点集最小面积的矩形，这个矩形是可以有偏转角度的，可以与图像的边界不平行。

（cnts， _） = cv2.findContours（closed.copy（）， cv2.RETR_EXTERNAL， cv2.CHAIN_APPROX_SIMPLE）c = sorted（cnts， key=cv2.contourArea， reverse=True）［0］

# compute the rotated bounding box of the largest contourrect = cv2.minAreaRect（c）box = np.int0（cv2.cv.BoxPoints（rect））

# draw a bounding box arounded the detected barcode and display the imagecv2.drawContours（image， ［box］， -1， （0， 255， 0）， 3）cv2.imshow（“Image”， image）cv2.imwrite（“contoursImage2.jpg”， image）cv2.waitKey（0）

step7：裁剪。box里保存的是绿色矩形区域四个顶点的坐标。我将按下图红色矩形所示裁剪昆虫图像。找出四个顶点的x，y坐标的最大最小值。新图像的高=maxY-minY，宽=maxX-minX。

Xs = ［i［0］ for i in box］Ys = ［i［1］ for i in box］x1 = min（Xs）x2 = max（Xs）y1 = min（Ys）y2 = max（Ys）hight = y2 - y1width = x2 - x1cropImg = image［y1:y1+hight， x1:x1+width］

责任编辑：haq