边缘检测（各类边缘算子）以及角点检测 python

最新推荐文章于 2024-05-27 11:21:43 发布

XITMan

最新推荐文章于 2024-05-27 11:21:43 发布

阅读量1.9k

点赞数 2

分类专栏：图像处理文章标签： python 边缘检测

本文链接：https://blog.csdn.net/XITMan/article/details/105290273

版权

本文介绍了使用Python进行边缘检测的各种算子，包括Roberts、Prewitt、Sobel和Laplacian算子，并展示了它们的检测效果。同时，还探讨了角点检测，通过Harris角点检测方法展示原图、旋转变换后的图像及其角点检测结果。最后，提到了cv2.goodFeaturesToTrack()函数用于检测角点的应用。

摘要由CSDN通过智能技术生成

边缘检测：
1.Roberts算子
2.Prewitt算子
3.Sobel算子
4.Laplacian算子
5.Canny函数
代码如下：

import cv2
import numpy as np
import matplotlib.pyplot as plt

image = cv2.imread('lenna.jpg', cv2.IMREAD_GRAYSCALE)
cv2.imshow('origin', image)

h, w = image.shape   # 获取图像的高度和宽度


# Roberts算子
kernelx = np.array([[-1, 0], [0, 1]], dtype=int)
kernely = np.array([[0, -1], [1, 0]], dtype=int)
x = cv2.filter2D(image, cv2.CV_16S, kernelx)
y = cv2.filter2D(image, cv2.CV_16S, kernely)

absX = cv2.convertScaleAbs(x)
absY = cv2.convertScaleAbs(y)
Roberts = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)
cv2.imshow('Roberts', Roberts )

# Prewitt算子
kernelx = np.array([[1, 1, 1], [0, 0, 0], [-1, -1, -1]], dtype=int)
kernely = np.array([[-1, 0, 1], [-1, 0, 1], [-1, 0, 1]], dtype=int)
x = cv2.filter2D(image, cv2.CV_16S, kernelx)
y = cv2