图像边缘检测,画矩形框及目标的切割

本文介绍了图像边缘检测的过程,包括高斯滤波、滤波算子的应用和边缘查找。通过图像预处理,如高斯模糊和灰度处理,然后使用卷积核进行图像锐化。接下来,对目标区域进行切割并画出边框,以隔离和突出目标。由于所用图像质量不高,效果受限,但在高质量图像上通常能获得更好结果。
摘要由CSDN通过智能技术生成

'''

2019.11.22

'''

原理:高斯滤波+滤波算子+查找边缘

原图:

第一步:首先是图像预处理提取特征:img_processing.py

import cv2 as cv
from PIL import Image 
import warnings 
import numpy as np
import matplotlib.pyplot as plt

def pre_processing(image_path):
    image=cv.imread(image_path)
    image=np.array(image,dtype=np.uint8)

    if image.shape[1]<image.shape[0]:
        image=np.rot90(image)         #矩阵旋转90
    
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)

    blur=cv.GaussianBlur(image,(13,13),0)

    blur=cv.resize(blur,(0,0),fx=.1,fy=.1)
    gray=cv.resize(gray,(0,0),fx=.1,fy=.1)

    return gray,blur,image

from skimage.exposure import rescale_intensity
'''
函数convolve
功能:实现图像与卷积核的相乘,得到处理后的图像
'''
def convolve(image,kernel):
    (iH,iW)=image.shape[:2]
    (kH,kW)=kernel.shape[:2]

    pad=(kW-1)/2
    pad=int(pad)

    image=cv.copyMakeBorder(image,pad,pad,pad,pad,cv.BORDER_REPLICATE)
    output=np.zeros((iH,iW),dtype='float32')

    for y in np.arange(pad,iH+pad):
        for x in np.arange(pad,iW+pad):
            roi=image[y-pad:y+pad+1,x-pad:x+pad+1]
            k=(roi*kernel).sum()
            output[y-pad,x-pad]=k
    output=rescale_intensity(output,in_range=(0,255))
  • 1
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值