OpenCV-python学习笔记（六）——梯度算子，边缘检测和轮廓提取

最新推荐文章于 2024-08-04 17:32:06 发布
最新推荐文章于 2024-08-04 17:32:06 发布
阅读量3.3k 收藏 25
点赞数 2
分类专栏： OpenCV 文章标签： opencv python 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cliukai/article/details/101380382
版权
本文介绍了OpenCV-Python在图像处理中的梯度和边缘检测应用，包括拉普拉斯算子、Sobel算子和Canny边缘检测器。Canny检测涉及滤波、梯度计算、边缘抑制和阈值处理。同时，文章还探讨了如何通过轮廓提取技术来数硬币和裁切图像中的目标物体。
摘要由CSDN通过智能技术生成

文章目录

gradients and edge detection梯度和边缘检测

边缘检测，就是用数学方法找出一幅图像中像素值突变的点。

第一件事，就是找出灰度图像中的梯度，在x方向和y方向中找出可能有边缘的区域。

接着我们会使用canny边缘检测，包括图像降噪，找到图像梯度（利用在水平和竖直方向上的sobel核），非最大值抑制non-maximum suppresion，和滞后阈值hysteresis thresholding。

1 laplacian拉普拉斯算子

# 注意从黑向白映射是一个正的斜坡函数，但从白向黑映射是一个负的斜坡函数
# 所以需要用cv2.CV_64F这种格式
lap = cv2.Laplacian(image, cv2.CV_64F)
lap = cp.uint8(np.absolute(lap))
cv2.imshow("Laplacian", lap)

在这里插入图片描述

2 sobel算子

# 水平梯度
sobelX = cv2.Sobel(image, cv2.CV_64F, 1, 0)
sobelX = np.uint8(np.absolute(sobelX))
cv2.imshow("Sobel X", sobelX)
# 垂直梯度
sobelY = cv2.Sobel(image, cv2.CV_64F, 0, 1)
sobelY = np
最低0.47元/天 解锁文章
刘凯KAI
关注
专栏目录
[Python从零到壹] 五十七.图像增强及运算篇之图像锐化Roberts、Prewitt算子实现边缘检测
杨秀璋的专栏
12-13 4579
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。第二部分将讲解图像运算和图像增强，上一篇文章介绍图像平滑知识，包括中值滤波和双边滤波。本文主要讲解常见的图像锐化和边缘检测方法，即Roberts算子和Prewitt算子。希望文章对您有所帮助，如果有不足之处，还请海涵。
[Python从零到壹] 五十八.图像增强及运算篇之图像锐化Sobel、Laplacian算子实现边缘检测
杨秀璋的专栏
12-17 3649
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。第二部分将讲解图像运算和图像增强，上一篇文章介绍图像锐化的Roberts算子和Prewitt算子。这篇文章将继续讲解图像锐化知识，即Sobel算子和Laplacian算子。希望文章对您有所帮助，如果有不足之处，还请海涵。
图像轮廓的提取
weixin_34357267的博客
09-15 1511
对图像边缘提取，常见的方式是先对图片进行灰度处理，然后再利用图像梯度算法提取出边框。我们先来看效果图 经过处理后的前后对比，可以看到，图形的轮廓已经大致提取了。现在来看实现的代码 using System; using System.Collections.Generic; using System.Drawing; using System.IO; us...
使用梯度法提取图像的边缘特征
栾金鹿
07-20 2591
图像梯度计算方法
OpenCV||超详细的图像边缘检测
最新发布
m0_56230886的博客
08-04 1830
该部分为章节七，后续更新
Opencv从入门到放弃---3.图像梯度与轮廓（OpenCV = open(开源)+ c(ctrl c)+ v(ctrl v)）
05-10 609
图像梯度与轮廓Sobel算子Scharr算子laplacian算子Canny边缘检测图像金字塔图像轮廓傅里叶变换滤波 Sobel算子 如果出现负数则默认为0 img = cv2.imread('data/pie.png',cv2.IMREAD_GRAYSCALE) cv2.imshow("img",img) cv2.waitKey() cv2.destroyAllWindows() dst = cv2.Sobel(src, ddepth, dx, dy, ksize) ddepth:图像的深度 dx
基于python的opencv图像处理小总结(含索贝尔算子，分水岭算法，图像匹配)
qq_43684592的博客
06-22 3484
本周的主要还是总结图像处理的基本或进阶算法原理，具体有图像梯度，Canny边缘检测，反向投影，模板匹配，霍夫变换，分水岭算法图像分割等原理及应用，收获很大。 图像梯度本质上来说就是求导，在opencv中提供了三种不同的梯度滤波器，有Sobel算子，scharr算子跟Laplacian算子。sobel算子是一阶算子，可以设定求导的方向(沿x或y轴)，这个在求取边缘上就有很大的应用了，在人的视觉中能很容易感觉得出”哇，这个边缘好明显哦”，但是在计算机视觉里面却没有像我们人一样拥有这种主观意识上的分析(可能人之所
HOG特征使用OPENCV提取梯度幅度和方向的实现，主要是可视化理解
a1103688841的博客
07-25 2011
HOG特征提取全Numpy实现 HOG步骤详解 本项目使用的代码原地址，我改编的地址 代码详解： 创建一个HOG的类： __init__是图片，cell，划分角度等基础信息（基础） extract 是提取cell中的HOG特征，然后可视化，在提取block中的HOG特征（主要流程） global_gradient 用于得到图片梯度幅度和梯度方向（在统计HOG特征前面需要得到的信息） ...
Opencv-Python入门知识点总结
m0_47905058的博客
08-03 929
Opencv-Python笔记 注：Opencv读取图片的格式是BGR 数据读取——图像 ① cv2.imread(‘参数1’，参数2) ——读取指定图像，参数1指图像名，参数2指图像格式，彩色or灰度注：cv2.IMREAD_COLOR ——彩色图像 cv2.IMREAD_GRAYSCALE ——灰度图像 ② cv2.imshow(‘参数1’，参数2)——显示图像 注：参数1指显示窗口名，可任意；参数2指需显示图像矩阵 ③ cv2.waitKey(参数1)；cv2.destroyAll......
[Python从零到壹] 六十.图像识别及经典案例篇之基于阈值及边缘检测的图像分割
杨秀璋的专栏
12-23 5469
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍。第一部分作者介绍了图像处理基础知识，第二部分介绍了图像运算和图像增强，接下来第三部分我们将详细讲解图像识别及图像处理经典案例，该部分属于高阶图像处理知识，能进一步加深我们的理解和实践能力。图像分割是将图像分成若干具有独特性质的区域并提取感兴趣目标的技术和过程，它是图像处理和图像分析的关键步骤。本文将重点围绕图像处理实例，详细讲解各种图像分割的方法。希望文章对您有所帮助，如果有不足之处，还请海涵。
opencv-python学习 ｜图像梯度计算
Shannon
04-18 684
图像梯度-Sobel算子 —卷积的作用除了实现图像模糊或者去噪，还可以寻找一张图像上所有梯度信息，这些梯度信息是图像的最原始特征数据，进一步处理之后就可以生成一些比较高级的特征用来表示一张图像实现基于图像特征的匹配，图像分类等应用。 —Sobel算子是一种很经典的图像梯度提取算子，其本质是基于图像空间域卷积，背后的思想是图像一阶导数算子的理论支持。 —sobel算子主要用于获得数字图像的一阶梯度，...
opencv Sobel算子提取图形中的轮廓
比卡丘不皮的博客
05-27 807
话不多说先上结果图： 上代码： // opencv0018.cpp : 定义控制台应用程序的入口点。 // #include "stdafx.h" #include <opencv2/opencv.hpp> #include <iostream> using namespace std; using namespace cv; int main() { Mat src, dst; src = imread("D:/images/pkq.jpg"); //加载图像
基于Python的Opencv图像梯度处理
weixin_62343847的博客
01-21 2445
图像梯度直观反应其实就是图像当中各物体的轮廓，而在像素点上的体现其实就是相邻像素点之间的差值，差值越大，轮廓就会越清晰（可用于图像增强），而Opencv提供了以下三种算子来进行图像的梯度处理，跟在之前的博客中提到的cv2.morphologyEx(img,cv2.MORPH_GRADIENT,kernel)函数其实很类似，都能够得到图像的轮廓。而Opencv也提供了以下三种算子来进行图像的梯度处理。 sobel算子 先看到Gx,这里的算子其实很像是卷积核，而靠近中间的像素乘以+2和-2，稍远的四个角
python怎么计算图像梯度_Opencv-Python学习笔记十——图像梯度、边缘检测 Gradient, Edge Detection...
weixin_42298378的博客
02-04 921
图像梯度 边缘检测图像梯度，图像边界使用到的函数有： cv2.Sobel()， cv2.Schar()， cv2.Laplacian()梯度简单来说就是求导，OpenCV 提供了三种不同的梯度滤波器，或者说高通滤波器： Sobel，Scharr 和 Laplacian。Sobel， Scharr 其实就是求一阶或二阶导数。Scharr 是对 Sobel(使用小的卷积核求解求解梯度角度时)的优化。L...
3-7 Canny边缘检测—OpenCV-Python教程翻译
某某某的博客
08-21 421
目标 掌握Canny边缘检测的概念 掌握OpenCV函数：cv2.Canny() 理论 Canny边缘检测是一种十分常用的边缘检测算法。 1、Canny算法是一个多级算法，我们将在每一个阶段涉及到这个算法； 2、消除噪声   因为边缘检测容易受到图像中的噪音影响，因此，首先都会使用一个5×5的高斯滤波器去去除噪声。关于图像滤波前面章节已经介绍过来。 3、计算图像梯度 对平滑过后的图...
数字图像处理：（1）图像梯度以及算子应用
m0_37957160的博客
07-29 4806
1、数学意义上的梯度 在理解图像梯度是什么的时候，我们首先要回忆一下以前学习过得梯度是什么？ 见链接： https://blog.csdn.net/m0_37957160/article/details/113678344 一句话梯度是一个向量，梯度向量就像一个指路明灯一样，他永远指向方向导数变化最大的那个方向，那么我的这个梯度模的大小就等于方向导数最大的那个大小。 在数学上，梯度的本意是一个向量，表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最
计算机视觉入门_03_edge边缘
真正的英雄主义，是看清生活的真相后依然热爱生活
04-13 849
阐述说明了图像中的边缘以及边缘提取的方法，涉及到高斯偏导卷积、非最大化抑制、滞后阈值法、Canny算子等
基于霍夫变换的钱币定位系统（霍夫圆检测/canny边缘提取）
qq_51658855的博客
04-09 1173
在施加非极大值抑制之后，剩余的像素可以更准确地表示图像中的实际边缘。为了解决这些杂散响应，必须用弱梯度值过滤边缘像素，并保留具有高梯度值的边缘像素，可以通过选择高低阈值来实现。如果边缘像素的梯度值高于高阈值，则将其标记为强边缘像素；如果边缘像素的梯度值小于高阈值并且大于低阈值，则将其标记为弱边缘像素；如果边缘像素的梯度值小于低阈值，则会被抑制。如果当前像素的梯度强度与另外两个像素相比最大，则该像素点保留为边缘点， 否则该像素点将被抑制。将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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