笔记和用法都在代码注释中 :
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
#---------------------------------彩色图像进行梯度运算之后,十分辣眼睛!!!
# img = cv.imread('666.jpg')
# img = cv.resize(img,(500,500))
#
# #-------------------格式: sobelx = cv.Sobel(img,ddepth,dx,dy,ksize = 3)
# ============================ksize是Sobel算子的大小
# ============================ddepth是图像的深度
#-------------------------注意计算形式!!! (右减左,下减上!!!)
#当dx为0,dy为1时,为垂直计算 : 下 - 上 !!!
#当dx为1,dy为0时,为水平计算 : 右边-左边 (图像矩阵中:右边-左边)
#并且计算的内容,类似于高斯计算,离得像素点越近的数值,就越大!!!
# --------------------------------------重点:因为是减法,那么就不免有负数,所以我们后面需要进行绝对值处理!!!
# sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize = 3) #现在dx为1,dy为0,则是代表进行水平计算
#
# cv.imshow('sobelx',sobelx)
# cv.waitKey(0)
# cv.destroyAllWindows()
#---------------------------------进行绝对值处理的 : 黑白图像 ( 这样就看着比较顺眼了!!! )
#
# img = cv.imread('666.jpg',cv.IMREAD_GRAYSCALE)
# img = cv.resize(img,(500,500))
#
# #-------------------格式: sobelx = cv.Sobel(img,cv.CV_64F,dx,dy,ksize = 3)ksize是Sobel算子的大小
# sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize = 3) #现在dx为1,dy为0,则是代表进行水平计算
#
# sobelx = cv.convertScaleAbs(sobelx) #进行绝对值处理!!!
#
# cv.imshow('sobelx',sobelx)
# cv.waitKey(0)
# cv.destroyAllWindows()
# ---------------------------------------现在进行垂直计算:---------(与上图有区别,您细品)
# img = cv.imread('666.jpg',cv.IMREAD_GRAYSCALE)
# img = cv.resize(img,(500,500))
#
# #-------------------格式: sobelx = cv.Sobel(img,cv.CV_64F,dx,dy,ksize = 3)ksize是Sobel算子的大小
# sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize = 3) #现在dx为0,dy为1,则是代表进行垂直计算
#
# sobely = cv.convertScaleAbs(sobely) #进行绝对值处理!!!
#
# cv.imshow('sobely',sobely)
# cv.waitKey(0)
# cv.destroyAllWindows()
#--------------------------------------现在将水平和垂直融合在一起计算-------------(图像效果不太好!!!)
# (但是效果会叠加,不太好,建议:分别运算垂直和水平,然后在按照我们想要的效果进行加减法!!
# 或者是去 : 融合图像!!!(前面的操作有融合图像的操作!!))
# img = cv.imread('666.jpg',cv.IMREAD_GRAYSCALE)
# img = cv.resize(img,(500,500))
#
# #----------格式: sobelx = cv.Sobel(img,cv.CV_64F,dx,dy,ksize = 3)ksize是Sobel算子的大小
# sobelxy = cv.Sobel(img,cv.CV_64F,1,1,ksize = 3) #现在dx为1,dy为1,则是代表进行水平垂直一起计算!!!
#
# sobelxy = cv.convertScaleAbs(sobelxy) #进行绝对值处理!!!
#
# cv.imshow('sobelxy',sobelxy)
# cv.waitKey(0)
# cv.destroyAllWindows()
#-------------------------------所以: 我们进行分别操作,然后融合图像!!!!!-----------
# img = cv.imread('666.jpg',cv.IMREAD_GRAYSCALE)
# img = cv.resize(img,(500,500))
#
# #----------格式: sobelx = cv.Sobel(img,cv.CV_64F,dx,dy,ksize = 3)ksize是Sobel算子的大小
# sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize = 3) #现在dx为1,dy为0,则是代表进行水平计算!!!
# sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize = 3) #现在dx为0,dy为1,则是代表进行垂直计算!!!
# sobelx = cv.convertScaleAbs(sobelx) #进行绝对值处理!!!
# sobely = cv.convertScaleAbs(sobely) #进行绝对值处理!!!
#
# sobelxy = cv.addWeighted(sobelx,0.5,sobely,0.5,0)
#
# cv.imshow('sobelxy',sobelxy)
# cv.waitKey(0)
# cv.destroyAllWindows()
#还有的算子: Scharr算子,laplacian算子
#接下来 : ----------------------------------------进行比较!!!!
img = cv.imread('666.jpg',cv.IMREAD_GRAYSCALE)
img = cv.resize(img,(500,500))
#----------- sobel算子!!! -----------
sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize = 3) #现在dx为1,dy为0,则是代表进行水平计算!!!
sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize = 3) #现在dx为0,dy为1,则是代表进行垂直计算!!!
sobelx = cv.convertScaleAbs(sobelx) #进行绝对值处理!!!
sobely = cv.convertScaleAbs(sobely) #进行绝对值处理!!!
sobelxy = cv.addWeighted(sobelx,0.5,sobely,0.5,0)
#----------- scharr算子!!! -----------(更容易受噪音点影响!!!)对像素点更加敏感,把图像描绘得更加细致!!!
scharrx = cv.Scharr(img,cv.CV_64F,1,0)
scharry = cv.Scharr(img,cv.CV_64F,0,1)
scharrx = cv.convertScaleAbs(scharrx) #进行绝对值处理!!!
scharry = cv.convertScaleAbs(scharry) #进行绝对值处理!!!
scharrxy = cv.addWeighted(scharrx,0.5,scharry,0.5,0)
#----------- laplacian算子!!! -----------(操作更简单!!!)
laplacian = cv.Laplacian(img,cv.CV_64F)
laplacian = cv.convertScaleAbs(laplacian)
#--------------------------------------------------三张图一起打印,看看效果!!!
# res = np.hstack((sobelxy,scharrxy,laplacian))
#
# cv.imshow('res',res)
# cv.waitKey(0)
# cv.destroyAllWindows()
# --------------------------------边缘检测!!!综合了前面几种的情况!!(Canny边缘检测!!!)
img = cv.imread('666.jpg')
img = cv.resize(img,(500,500))
v1 = cv.Canny(img,80,150) #更改数值,体验不同效果!!!
v2 = cv.Canny(img,50,100) #数值越小, 那么显示得越详细!!!
res = np.hstack((v1,v2))
cv.imshow('res',res)
cv.waitKey(0)
cv.destroyAllWindows()