Calcul du Gradient d'une image avec Python
Méthode : Gradient de Sobel
Le gradient de Sobel est défini par un noyau de 3 lignes et 3 colonnes.
Le gradient de Sobel selon x est
Le gradient de Sobel selon y est
Dans scilab ce gradient est disponible directement selon x et y, Sobel(img, CV_16S, 1, 0, 3); pour la direction x et Sobel(img, CV_16S, 0, 1, 3); pour la direction y. CV_16S indique que le résultat sera un entier signé compris entre -32768 et 32767.
Le code Scilab pour afficher les gradients selon x et y est le suivant :
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('c:/temp/OCV_Haribo.png',0)
sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize=5)
abs_grad_x = cv.convertScaleAbs(sobelx)
abs_grad_y = cv.convertScaleAbs(sobely)
modgrad = cv.addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0)
plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,2),plt.imshow(modgrad,cmap = 'gray')
plt.title('Module gradient'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])
plt.show()
 | Gradient selon y |
Gradient selon x |  |
Complément : Amélioration du résultat en lissant
L'image est lissée par un filtre gaussien avant de calculer le gradient.
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('c:/temp/OCV_Haribo.png',0)
img= cv.GaussianBlur(img, (3, 3), 0)
sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize=5)
abs_grad_x = cv.convertScaleAbs(sobelx)
abs_grad_y = cv.convertScaleAbs(sobely)
modgrad = cv.addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0)
plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,2),plt.imshow(modgrad,cmap = 'gray')
plt.title('Module gradient'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])
plt.show()
Complément : Le gradient est un vecteur
On peut visualiser le vecteur gradient. Le module du gradient indique le contraste (changement d'intensité) et l'angle la direction de cehangement.
Pour obtenir cette image il faut utiliser ce script python :
import matplotlib.pyplot as plt
import numpy as np
import cv2 as cv
img = cv.imread('c:/temp/OCV_Haribo.png',0)
img= cv.GaussianBlur(img, (3, 3), 0)
sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize=5)
pas=3
X = np.arange(0, img.shape[1], pas)
Y = np.arange(0, img.shape[0], pas)
U, V = np.meshgrid(X, Y)
gx=np.float32(sobelx)[0:img.shape[0]:pas,0:img.shape[1]:pas]
print (gx.shape)
print (U.shape)
gy=np.float32(sobely)[0:img.shape[0]:pas,0:img.shape[1]:pas]
fig, ax = plt.subplots()
q = ax.quiver(X, Y,gx , gy, scale=100000)
plt.show()
