在OpenCV中测量边缘强度，梯度的大小

Question

我有一个需要检查相机聚焦的应用程序。为此，我想在单轴（1D）上的几个预定义位置测量边缘强度（梯度幅值）。图像目标将是简单的黑色物体在白色背景上的印刷品。

我正在使用Python的OpenCV。我知道OpenCV中有几种边缘检测算法，如Canny、Sobel和Laplace，但所有这些都是用于过滤图像。我想要实际衡量边缘的强度。OpenCV中是否有任何算法可以提供这样的功能？或者我只需编写自己的算法来衡量边缘强度？

- Chad

Answer 1

这是一个Python版本：

def getGradientMagnitude(im):
    "Get magnitude of gradient for given image"
    ddepth = cv2.CV_32F
    dx = cv2.Sobel(im, ddepth, 1, 0)
    dy = cv2.Sobel(im, ddepth, 0, 1)
    dxabs = cv2.convertScaleAbs(dx)
    dyabs = cv2.convertScaleAbs(dy)
    mag = cv2.addWeighted(dxabs, 0.5, dyabs, 0.5, 0)
    return mag

mag = getGradientMagnitude(im)

- Brian Burns

---

这段代码是错误的。它计算了 0.5 * abs(dx) + 0.5 * abs(dy)。需要的是 sqrt(dx**2 + dy**2)。函数 cv2.magnitude 可以计算出这个值：mag = cv2.magnitude(dx, dy)。 - Cris Luengo

Answer 2

您可以按照以下步骤计算幅值：

1. 计算 dx 和 dy 的导数（使用 cv::Sobel）
2. 计算幅值 sqrt(dx^2 + dy^2)（使用 cv::magnitude）

以下是一个简单的 C++ 代码，用于计算梯度的幅值。您可以轻松地将其移植到 Python 中，因为它只涉及几个 OpenCV 函数的调用：

#include <opencv2/opencv.hpp>
using namespace cv;

int main()
{
    //Load image
    Mat3b img = imread("path_to_image");

    //Convert to grayscale
    Mat1b gray;
    cvtColor(img, gray, COLOR_BGR2GRAY);

    //Compute dx and dy derivatives
    Mat1f dx, dy;
    Sobel(gray, dx, CV_32F, 1, 0);
    Sobel(gray, dy, CV_32F, 0, 1);

    //Compute gradient
    Mat1f magn;
    magnitude(dx, dy, magn);

    //Show gradient
    imshow("Magnitude", magn);
    waitKey();

    return 0;
}

- Miki

---

请看这里：http://answers.opencv.org/question/5395/how-to-calculate-blurriness-and-sharpness-of-a-given-image/这是关于编程的内容。 - sturkmen

@Chad 从幅度中获得的是一个与图像大小相同的矩阵。在该矩阵中的每个位置上，您都有相应的边缘强度。对该矩阵进行平均处理，将给出整个图像的平均边缘强度。 - Simon

谢谢提供的信息，我仔细审查后决定对结果进行求和。感谢 @sturkmen。 - Chad

@sturkmen 我不知道它是否在正式场合下是正确的，但是 net_force 看起来很酷 :D - Miki

@Miki，我找到了正确的答案calcBlurriness，详情请参见这里。 - sturkmen