import cv2
import numpy as np
img_path = r".\R-C.jpg"
img = cv2.imread(img_path)
Sobel算子
# 计算图像导数,水平方向和垂直方向,(其实就是边界差值)
# 只加水平梯度
dx = cv2.Sobel(img,cv2.CV_64F,dx = 1,dy = 0, ksize = 5)
# 只加垂直梯度
dy = cv2.Sobel(img,cv2.CV_64F,dx = 0,dy = 1, ksize = 5)
# 将两梯度相加(注意位深一致,第二个参数)
sobel = cv2.add(dx,dy)
Scharr算子
# 核大小只有三,更能捕捉小的边缘,与sobel原理一致
# 只加水平
dx = cv2.Scharr(img,cv2.CV_64F,dx = 1,dy = 0)
# 只加垂直
dy = cv2.Scharr(img,cv2.CV_64F,dx = 0,dy = 1)
# 将两梯度相加(注意位深一致,第二个参数)
sobel = cv2.add(dx,dy)
拉普拉斯算子
# 不需要分别求x和y轴的梯度,三阶求导,系数矩阵为拉普拉斯算子
# 第二个参数为位深,第三个参数为核大小
img = cv2.Laplacian(img,-1,5)
canny边缘检测
# 较小的阈值可以得到较精细的图像
# 1、高斯去噪
# 2、sobel计算梯度
# 3、计算方向(总共有八个方向):y方向梯度除以x方向梯度得到的值取反正切值
# 4、NMS(非极大值抑制):保留相同方向梯度最大像素,其余设为零
img = cv2.Canny(img,150,200)
# 展示图像
cv2.imshow("img",img)
cv2.waitKey(0)
cv2.destroyAllWindows()