目录
Sobel算子
# Sobel算子边缘检测
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 以灰度图形式读取图像
img = cv.imread("picture/apple.jpg", 0)
# 计算Sobel卷积结果
# x = cv.Sobel(img, cv.CV_16S, 1, 0)
# y = cv.Sobel(img, cv.CV_16S, 0, 1)
# 将ksize设为-1,进行Scharr边缘检测
x = cv.Sobel(img, cv.CV_16S, 1, 0, ksize=-1)
y = cv.Sobel(img, cv.CV_16S, 0, 1, ksize=-1)
# 将数据进行转换
Scale_absX = cv.convertScaleAbs(x) # convert转换 scale缩放
Scale_absY = cv.convertScaleAbs(y)
# 结果合成
# Sobel_x_or_y = cv2.Sobel(src, depth, dx, dy, dst, ksize, scale, delta,borderType)
# src: 传入的图像
# depth: 图像的深度
# dx和dy: 求导的阶数,0表示这个方向上没有求导,取值为0,1
# ksize: 是Sobel算子的大小,即卷积核的大小,必须为奇数1,3,5,7,默认为3。注意:如果ksize=-1,就演变成3*3的Scharr算子
# scale: 缩放导致的比例函数,默认情况为没有伸缩系数
# borderType: 图像边界的模式,默认值为cv2.BORDER_DEFAULT
result = cv.addWeighted(Scale_absX, 0.5, Scale_absY, 0.5, 0)
# 图像显示
plt.imshow(img, cmap=plt.cm.gray)
plt.show()
plt.imshow(result, cmap=plt.cm.gray)
plt.show()
运行结果
原图:
Sobel:Scharr:
Laplacian算子
# Laplacian算子边缘检测
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 以灰度图形式读取图像
img = cv.imread("picture/apple.jpg", 0)
# laplacian转换
# laplacian = cv2.Laplacian(src, depth[, dst[, ksize[, scale[, delta[, borderType]]]]])
# src: 需要处理的图像
# depth: 图像的深度,-1表示采用的是原图像相同的深度,目标图像的深度必须大于等于原图像的深度
# ksize: 算子的大小,即卷积核的大小,必须为1,3,5,7
result = cv.Laplacian(img, cv.CV_16S)
Scale_abs = cv.convertScaleAbs(result)
# 显示图像
plt.imshow(img, cmap=plt.cm.gray)
plt.show()
plt.imshow(result, cmap=plt.cm.gray)
plt.show()
运行结果
原图:Laplacian算子:
Canny算法
# Canny边缘检测
import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
# 以灰度图形式读取图像
img = cv.imread("picture/apple.jpg", 0)
# Canny边缘检测
# canny = cv2.Canny(image, thresholdq, threshold2)
# image: 灰度图
# threshold1: minval,较小的阈值将间断的边缘连接起来
# threshold2: maxval,较大的阈值检测图像中明显的边缘
lowThreshold = 0;
max_lowThreshold = 100
canny = cv.Canny(img, lowThreshold, max_lowThreshold)
# 显示图像
plt.imshow(img, cmap=plt.cm.gray)
plt.show()
plt.imshow(canny, cmap=plt.cm.gray)
plt.show()
运行结果
原图:Canny算法: