opencv+python入门之七（边缘提取之sobel、scharr、laplacian、canny算子等）

最新推荐文章于 2024-07-29 20:24:47 发布

布莱克1997

最新推荐文章于 2024-07-29 20:24:47 发布

阅读量2.8k

点赞数 2

分类专栏： opencv+python

本文链接：https://blog.csdn.net/m0_37704205/article/details/88699636

版权

本文介绍了使用OpenCV和Python进行边缘检测，包括Sobel算子的x、y方向梯度计算，Scharr算子的增强效果，拉普拉斯算子的边缘检测原理，以及Canny边缘提取的四步流程。通过调用相应函数如cv2.sobel()、cv2.Scharr()、cv2.Laplacian()和cv2.canny()，可以实现不同算子的边缘检测。实验结果显示，结合使用这些方法能提高边缘检测效果。

摘要由CSDN通过智能技术生成

1.sobel算子

sobel算子的原理便是求出x，y方向的梯度。梯度的计算方法如下：

$G{x}=\begin{bmatrix} -1\ 0\1 \\ -2\ 0 \2\\ -1\0\ 1 \end{bmatrix}*\begin{bmatrix} P1 \ P2 \ P3 \\ P4\ P5\ P6 \\ P7\ P8\ P9 \end{bmatrix}$ 可以得到元素P5在x方向的梯度为P3-P1+2*(P6-P4)+P9-P7。

$G{y}=\begin{bmatrix} -1 \ -2 \ -1 \\ 0 \ 0 \ 0\\ 1 \ 2 \ 1 \end{bmatrix}*\begin{bmatrix} P1 \ P2 \ P3 \\ P4\ P5\ P6 \\ P7\ P8\ P9 \end{bmatrix}$ 可以得到元素P5在y方向的梯度为P3-P1+2*(P6-P4)+P9-P7。

然后将Gx和Gy取绝对值相加，根据差值的大小来判断是否为边界。（注意这里要取绝对值，不然可能会丢失一些信息）

sobel算子检测边缘通过cv2.sobel(src,ddepth,dx.dy[,ksize])函数来实现。其中ddepth指的是处理图象的深度，等于1时表示与原图像相同的深度，但是要注意的是如果原图像为uint8类型的，需要转换成有符号的，例如cv2.CV_16S和cv2.CV_64F保留负数部分。当dx =0,dy=1时，求