基于一阶微分的锐化滤波器---梯度算子（常用于工业检测，产品缺陷检测）

前言

非线性滤波器-----锐化的主要作用：突出图像中的过渡部分用空间微分来完成（微分算子的响应强度与像素的突变程度成成正比），也就是说图像微分，增强了边缘与其他突变（噪声、线），并削弱灰度变化缓慢的区域。

一、常用的非线性锐化滤波器

基于一阶微分的锐化滤波器
基于二阶微分的锐化滤波器

二、图像能够进行微分的要求

一阶微分：
在恒定灰度区域的一阶微分值为 0；
在灰度台阶、灰度斜坡的起点处一阶微分值非 0；
沿着灰度斜坡的一阶微分值非 0；

二阶微分：
在恒定灰度区域的二阶微分值为 0；
在灰度台阶、灰度斜坡的起点处二阶微分值非 0；
沿着灰度斜坡的二阶微分值非 0；
对于二维的数字图像 f(x,y) ,可沿着两个空间轴处理偏微分；

三、基于一阶微分的锐化滤波器—梯度算子（常用于工业检测，产品缺陷检测）

在图像中，基于一阶微分的锐化滤波器常用梯度幅值来实现；
对于图像f，在任意坐标（x,y）上的梯度df定义二维列向量：

梯度幅值定义为：

在实际应用中，一般把梯度的幅值称为梯度，并采用绝对值近似求梯度值：

四、如何求解梯度幅值

1、直接微分

这里的 f 函数是图像对应像素点的灰度值函数

2、交叉差分

1、2使用较少，sobel算子比较常用
3、sobel算子

垂直方向

水平方向

五、代码

import cv2
import numpy as np
import copy

OriginalImg = cv2.imread('cns.jpg'