OpenCV提供三种类型的梯度滤波器或高通滤波器，即Sobel，Scharr和Laplacian。我们将看到他们每一种。
1、sobel和scharr算子
sobel算子是高斯平滑加微分运算的联合运算，因此它更抗噪声。你可以指定要采用的导数方向，垂直或水平（分别通过参数yorder和xorder）。你还可以通过参数ksize指定内核的大小。如果ksize = -1，则使用3x3 Scharr滤波器，比3x3 Sobel滤波器具有更好的结果。请参阅文档以了解所使用的内核。
2、Laplacian算子
Laplacian 算子是n维欧几里德空间中的一个二阶微分算子，定义为梯度grad的散度div。可使用运算模板来运算这定理定律。
|
0
|
1
|
0
|
|
1
|
-4
|
1
|
|
0
|
1
|
0
|
如果邻域系统是8 邻域，Laplacian 算子的模板为：
|
1
|
1
|
1
|
|
1
|
-8
|
1
|
|
1
|
1
|
1
|
前面提过，Laplacian 算子对噪声比较敏感，所以图像一般先经过平滑处理，因为平滑处理也是用模板进行的，所以，通常的分割算法都是把Laplacian 算子和平滑算子结合起来生成一个新的模板。
import numpy as np cv2 as cv from matplotlib pyplot as plt img = cv.imread('dave.jpg',0) laplacian = cv.Laplacian(img,cv.CV_64F) sobelx = cv.Sobel(img,cv.CV_64F,1,ksize=5) sobely = cv.Sobel(img,1)">) plt.subplot(2,2,1),plt.imshow(img,cmap = gray) plt.title(Original),plt.xticks([]),plt.yticks([]) plt.subplot(2,2),plt.imshow(laplacian,1)">LaplacianSobel XSobel Y
一个重要的事项：
在我们的最后一个示例中，输出数据类型为
cv.CV_8U或np.uint8。但这有一个小问题。黑色到白色的过渡被视为正斜率（具有正值），而白色到黑色的过渡被视为负斜率（具有负值）。因此，当您将数据转换为np.uint8时，所有负斜率均设为零。简而言之，您会错过这一边缘信息。如果要检测两个边缘，更好的选择是将输出数据类型保留为更高的形式，例如
cv.CV_16S，cv.CV_64F等，取其绝对值，然后转换回cv.CV_8U。 下面的代码演示了用于水平Sobel滤波器和结果差异的此过程。Box.png# Output dtype = cv.CV_8U sobelx8u = cv.Sobel(img,cv.CV_8U,1)">) Output dtype = cv.CV_64F. Then take its absolute and convert to cv.CV_8U sobelx64f = cv.Sobel(img,1)">) abs_sobel64f = np.absolute(sobelx64f) sobel_8u = np.uint8(abs_sobel64f) plt.subplot(1,3,plt.yticks([]) plt.subplot(1,plt.imshow(sobelx8u,1)">Sobel CV_8USob
参考：
百度百科
http://woshicver.com/FifthSection/4_6_%E5%9B%BE%E5%83%8F%E6%A2%AF%E5%BA%A6/
