一、sobel算子边缘检测
cv2.Sobel(src,ddepth,dx,dy,ksize=)
src:图像
ddepth:图像深度(CV_64F表示双精度浮点型)
dx,dy水平和数值方向
ksize:Sobel算子,取值3~31的奇数。因为算子矩阵一定要存在中心点。
import cv2 as cv
def showImg(img,name):
cv.namedWindow(name,0);#可调大小
cv.imshow(name,img)
img=cv.imread('test.jpg',cv.IMWRITE_PNG_COMPRESSION)
#sobel算子
sobelx=cv.Sobel(img,cv.CV_64F,1,0,ksize=17)
sobely=cv.Sobel(img,cv.CV_64F,0,1,ksize=17)
#分开计算结果更加清晰
sobelxy=cv.addWeighted(sobelx,0.5,sobely,0.5,0)
#梯度绝对值转换
sobelx=cv.convertScaleAbs(sobelx)
sobely=cv.convertScaleAbs(sobely)
sobelxy=cv.convertScaleAbs(sobelxy)
showImg(sobelx,'sobelx')
showImg(sobely,'sobely')
showImg(sobelxy,'sobelxy')
cv.waitKey()
cv.destroyAllWindows()
二、Scharr算子
cv2.scharr(src,ddepth,dx,dy)
src:图像
ddepth:图像深度
dx,dy水平和数值方向
import cv2 as cv
def showImg(img,name):
cv.namedWindow(name,0);#可调大小
cv.imshow(name,img)
img=cv.imread('test.jpg',cv.IMWRITE_PNG_COMPRESSION)
#scharr算子
scharrx=cv.Scharr(img,cv.CV_64F,1,0)
scharry=cv.Scharr(img,cv.CV_64F,0,1)
#分开计算结果更加清晰
scharrxy=cv.addWeighted(scharrx,0.5,scharry,0.5,0)
#梯度绝对值转换
scharrx=cv.convertScaleAbs(scharrx)
scharry=cv.convertScaleAbs(scharry)
scharrxy=cv.convertScaleAbs(scharrxy)
showImg(scharrx,'scharrx')
showImg(scharry,'scharry')
showImg(scharrxy,'scharrxy')
cv.waitKey()
cv.destroyAllWindows()
lapulacian算子
import cv2 as cv
def showImg(img,name):
cv.namedWindow(name,0);#可调大小
cv.imshow(name,img)
img=cv.imread('test.jpg',cv.IMWRITE_PNG_COMPRESSION)
laplacian=cv.Laplacian(img,cv.CV_64F)
laplacian=cv.convertScaleAbs(laplacian)
showImg(laplacian,'laplacian')
cv.waitKey()
cv.destroyAllWindows()
四、Canny边缘提取算法
1)使用高斯滤波器,平滑图像,滤除噪声
2)计算图像中每个像素点的梯度和方向
3)应用非极大值抑制,消除边缘检测带来的杂质噪声
4)应用双阈值检测,确定真实检的和潜在的边缘
5)通过抑制孤立的弱边缘最终完成边缘检测
cv.Canny(img,min,max,apertureSize=3)
min:最小值
max:最大值
apertureSize:内核大小3~7奇数
图像灰度梯度 高于maxVal被认为是真正的边界,低于minVal的舍弃。两者之间的值要判断是否与真正的边界相连,相连就保留,不相连舍弃。(此段以及以下图片摘自大佬的python opencv入门 Canny边缘检测(15))
import cv2 as cv
def showImg(img,name):
cv.namedWindow(name,0);#可调大小
cv.imshow(name,img)
img =cv.imread('test.jpg',cv.IMREAD_GRAYSCALE)
canny1=cv.Canny(img,100,150,apertureSize=3)
showImg(canny1,'canny1')
cv.waitKey()
cv.destroyAllWindows()