OpenCV学习笔记（二）【三种算子】

最新推荐文章于 2024-02-18 16:12:02 发布
最新推荐文章于 2024-02-18 16:12:02 发布
阅读量395 收藏 1
点赞数
分类专栏： Note OpenCV 文章标签： opencv 计算机视觉
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/ftimes/article/details/104829495
版权
Note 同时被 2 个专栏收录
59 篇文章 1 订阅
订阅专栏
OpenCV
25 篇文章 8 订阅
订阅专栏
  1. Sobel算子
  • 高斯平滑加微分运算的联合运算
高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
  • 抗噪声，对于噪声具有平滑抑制作用
  • 但是得到的边缘较粗，且可能出现伪边缘。

索贝尔算子不但产生较好的边缘检测效果，而且对噪声具有平滑抑制作用，但是得到的边缘较粗，且可能出现伪边缘。
在这里插入图片描述
2. Scharr算子

夏尔算子灵敏度更高，噪声影响较大。
在这里插入图片描述

  1. Laplacian算子

拉普拉斯算子是图像的离散二阶导数，用于发现边缘突变，但对于噪声来说比较灵敏，一般配合其他技术一起使用。（好像会配合索贝尔）
在这里插入图片描述

江南蜡笔小新
关注
专栏目录
opencv学习笔记十二：梯度算子
qq_24946843的博客
09-05 4479
【1】Robert算子： || =  由于平方和不便于计算，故近似为绝对值形式： || =| | 实际应用中，经常采用的是另一种近似梯度： || =|  故Robert梯度模板为： W1 -1 0 0 1 W2 0 -1 1 0 【2】sobel算子：由于一般经常使用奇数模板，所以引入了sobel模板，考虑权重 Wx -1 ...
opencv学习笔记--sobel算子
x670127565的博客
07-10 633
声明：虽然肯定没人看，但是我要说明，里面的内容都是我从官方文档上抄的，仅作为个人复习之用，并非原创。 边缘检测原理 你可以看到在 边缘 ,相素值显著的 改变 了。表示这一 改变 的一个方法是使用 导数 。 梯度值的大变预示着图像中内容的显著变化。 用更加形象的图像来解释,假设我们有一张一维图形。下图中灰度值的”跃升”表示边缘的存在: 使用一阶微分求导
forstner算子
12-29
应用于兴趣点的选择，对于现在流行的字典学习，稀疏表示等领域有很大用处~
OpenCv算子
weixin_64443786的博客
07-16 903
OpenCv
【openCV学习】21.各种算子
最新发布
m0_66606474的博客
02-18 455
其中cv2.CV_64F这个参数代表计算完之后图片的内容的数据类型，这里用的是openCV中的float64。参数：图片，输出图片的数据类型，-1代表与输入图片的数据类型一致，ksize代表卷积核大小。参数中的0和1代表计算哪个方向的梯度，分别为dx和dy，哪个为1代表计算哪个方向的梯度。拉普拉斯算子不同于前两个需要分开计算x轴和y轴的梯度，它只需要一条语句就可以了。算子和Sobel算子一样，只不过改变了卷积核里面的值。参数：图片，两个阈值，阈值越小，细节越丰富。索贝尔算子 sobel"""
opencv 学习之sobel算子学习
yellow_red_people的博客
02-15 449
sobel算子： I为原图像 1.水平变化 将 与一个奇数大小的内核 进行卷积。比如，当内核大小为3时, 的计算结果为: 2.垂直变化: 将:math:I 与一个奇数大小的内核 进行卷积。比如，当内核大小为3时, 的计算结果为 3.结果： 4.openCv提供的函数： Sobel( src_gr
opencv 常用算子
碧海潮生
06-25 695
opencv 常用算子 常用到的算子 - 1. cv::abs() - 2. cv::add() - 3. cv::addWeighted() - 4. cv::bitwise_and() - 5. cv::bitwise_not() - 6. cv::bitwise_or() - 7. cv::bitwise_xor() - 8. cv::calcCovarMatrix() - 9. cv::cartToPolar() - 10. cv::checkRange() - 11. cv::compare(
学习笔记python+opencv利用拉普拉斯算子锐化与sobel算子锐化（csdn）————程序.pdf
12-05
本篇学习笔记主要探讨了如何使用Python结合OpenCV库，通过拉普拉斯算子和Sobel算子来实现图像的锐化处理。 首先，我们导入必要的库，包括OpenCV（cv2）和NumPy（np）。OpenCV是一个强大的图像处理库，提供了丰富的...
学习笔记(09):Python+OpenCV计算机视觉-sobel算子及其函数使用
01-07
sobel算子 dst=cv2.Sobel（src，ddepth，dx，dy，[ksize]) ddepth—处理结果图像深度，可设为-1（与原图像深度一致，设为-1边界值会丢失），此处为了保留边界，设置为cv2.cv_64F，再cv2.convertScaleAbs 转化为...
【opencv学习笔记 23轮廓发现】
12-21
本篇学习笔记将详细介绍如何在OpenCV中进行轮廓发现，并提供了一段Python代码作为示例。 首先，边缘检测是轮廓发现的前提步骤。在提供的代码中，使用了高斯模糊（GaussianBlur）函数来平滑图像，减少噪声。接着，将...
forstner算子程序_forstner算子特征点提取_forstner算子_
10-02
forstner算子特征点提取(1)计算数据的方差是否大于一定阈值（3.0），否则不存在兴趣点计算像素的和dSumPixel，像素的平方和dSquareSumPixel方差dVar计算公式：Var(X)=E(X^2)-(E(X)^2)(2)逐像素计算灰度差（四个灰度差值的第二大值）是否大于一定阈值，满足要求选定为可能的兴趣点定义兴趣点的标记bool *bFlags = new bool[iPixelCount];设定阈值为 doubledGrayThreshold = dVar/6.0;(3）逐像素计算在一定窗口内（5×5）的圆度pq值，兴趣值pw值。计算根据该像素所在窗口元素组成的协方差矩阵获取，如下所示公式。pq的阈值选定为0.625，大于该阈值选为待定点；pw的阈值选定为所有的待定点pw值的平均值，大于该阈值继续保留为待定点。(4)判断待定点是否为极值点，即在其周围像素中是否有待定点且pw值大于该像素，如果存在则该点非极值点。(5)如果提取的兴趣点数目大于限制的最大点数，按照pw兴趣值排序，获取兴趣值较大的点。
基于opencv3.2的Moravec、Forstner、Harris算子提取特征点程序
04-25
开发环境为vs2015 debug x64+opencv3.2。资源为一个源.cpp文件，三个算子分别写成了三个函数。下载前请先看一下环境和opencv版本是否一致。
forstner角点检测
07-25
摄影测量必备程序代码之一，用于角点检测，根据不同的原始训练数据需要有不同的阈值调整！
Moravec算子C++实现
08-28
使用尽量简洁的语言，描述Moravec算子，在c++和C语言的混合使用下，结合OPenCV，多使用指针完成该算子。共大家一起学习。
7种算子opencv边缘提取
11-30
7种经典边缘提取算子canny,laplace,log,robert,sobel,prewitt,kirsch
OpenCV入门学习笔记（4）算子
weixin_45893830的博客
03-29 3660
Sobel算子 cv2.Sobel(img1,ddepth,dx,dy) x =cv2.Sobel(img1,-1,1,0) y =cv2.Sobel(img1,-1,0,1) img2 = cv2.addWeighted(x,0.5,y,0.5,0) 解释：Sobel中第一个参数为要进行边缘检测的图片，第二个参数为目标图像深度，第三个和第四个参数为对水平还是垂直方向进行卷积。 Scharr算子 cv2.Scharr(img1,ddepth,dx,dy) x =cv2.Scharr(img1,-1.
opencv学习-常用算子
wyw0000的博客
02-27 1019
opencv 常用算子及边缘检测
OpenCV中的边缘检测算子
lty_sky的专栏
03-31 1214
一、Sobel算子 定义：sobel算子是一种基于一阶导数的边缘检测算子。 原理：该算子的主要原理是使用两个3x3的矩阵对原图进行卷积运算，从而计算出该图在水平和垂直方向上的灰度偏差估计值。如下图所示，Gx,Gy分别是对原图A在水平和垂直方向上的灰度偏差近似值。 在求得Gx和Gy后，使用下式可以求出图像中每个点的梯度估计值。 此时需要设定一个阈值，当G的值大于阈值时认为该点为边界点...
opencv笔记十九（Laplance算子）
C++养成记
07-04 645
本文参考： http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/laplace_operator/laplace_operator.html 理论： 图像处理流程： 高斯模糊 – 去噪声GaussianBlur()  转换为灰度图像cvtColor()  拉普拉斯 – 二阶导数计算...
评论
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