opencv(6)--图像梯度、边缘检测

Sobel算子/Scharry算子

高斯平滑和微分操作的结合体，抗噪能力好，可设求导方向，当ksize=-1时，会使用3*3的Scharry滤波器

def gradient(image):
    image=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
    sobelx=cv2.Sobel(image,cv2.CV_64F,1,0,ksize=3)	#CV_64F存储格式：64位Float，对x方向求一阶导，最多可求二阶导：2，0
    sobely=cv2.Sobel(image,cv2.CV_64F,0,1,ksize=3)
    title=['original','sobelx','sobley']
    images=[image,sobelx,sobely]
    plt.figure(figsize=(10,5))
    for i in range(3):
        plt.subplot(1,3,i+1)
        plt.imshow(images[i],'gray')
        plt.axis('off')
        plt.title(title[i])
    plt.show()

gradient(image)

Laplacian算子

def gradient(image):
    image=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
    laplacian=cv2.Laplacian(image,cv2.CV_64F)
    title=['original','laplacian']
    images=[image,laplacian]
    plt.figure(figsize=(10,5))
    for i in range(2):
        plt.subplot(2,2,i+1)
        plt.imshow(images[i],'gray')
        plt.axis('off')
        plt.title(title[i])
    plt.show()

gradient(image)

Canny(边缘检测算子)

def edge_detection(image,minval,maxval):
    image=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
    edges=cv2.Canny(image,minval,maxval) #处于min与max中的值得看相邻点是否为确定边界点
    plt.imshow(edges,'gray')
    plt.axis('off')
    plt.show()

edge_detection(image,100,200)

自动求阈值方法（canny）

def auto_canny(image,sigma=0.33):
    image=cv2.cvtColor(image,cv2.COLOR_RGB2GRAY)
    v=np.median(image)
    lower=int(max(0,(1.0-sigma)*v))
    upper=int(min(255,(1.0+sigma)*v))
    edged=cv2.Canny(image,lower,upper)
    plt.imshow(edged,'gray')
    plt.axis('off')
    plt.show()
    print(lower,upper)

auto_canny(image)