深度学习之 OpenCV 图像边缘检测算法解析及代码演示

引言

在计算机视觉领域，边缘检测是一种重要的图像预处理技术，用于识别图像中对象的边界。边缘检测有助于提取图像的关键特征，这对于后续的图像分析（如物体识别、运动检测等）至关重要。OpenCV 是一个强大的计算机视觉库，提供了多种边缘检测算法。本文将重点介绍如何使用 OpenCV 进行图像边缘检测，并通过具体的代码示例来展示 Sobel 算子的应用。

Sobel 算子原理

Sobel 算子是一种广泛使用的边缘检测方法，它利用两个 3x3 的卷积核来分别计算图像在水平方向（x 方向）和垂直方向（y 方向）上的梯度。这两个卷积核如下所示：

• 水平方向（x 方向）梯度核：

  

• 垂直方向（y 方向）梯度核：

  

通过这两个核对图像进行卷积操作，可以获得图像在各个方向上的梯度信息，进而识别出图像中的边缘。

代码演示

1. 导入库和读取图像

   1import cv2
   2
   3yuan = cv2.imread('yuan.png')
   4cv2.imshow('原图', yuan)
   5cv2.waitKey(0)

   解释:

   • 导入 cv2 库。
   • 使用 cv2.imread 函数读取名为 yuan.png 的图像文件。
   • 显示原始图像，并等待用户按键继续。

2. x 方向上的边缘

   1# x方向上的边缘
   2yuan_x = cv2.Sobel(yuan, -1, dx=1, dy=0)
   3cv2.imshow('x方向边缘', yuan_x)
   4cv2.waitKey(0)

   解释:

   • 使用 cv2.Sobel 函数计算 x 方向上的边缘。
   • dx=1 表示在 x 方向上求一阶导数，dy=0 表示在 y 方向上保持不变。
   • 显示 x 方向上的边缘图像，并等待用户按键继续。

3. x 方向上的边缘（包括负数信息）

   1# x方向上的边缘,包括负数信息（右端），但显示不出来，因为范围是(0~255）
   2yuan_x_64 = cv2.Sobel(yuan, cv2.CV_64F, dx=1, dy=0)  # 默认 uint8 改为 float64，可保存负数
   3cv2.imshow('x方向边缘（浮点型）', yuan_x_64)
   4cv2.waitKey(0)

   解释:

   • 将数据类型改为 cv2.CV_64F 以便保存负数。
   • 显示 x 方向上的边缘图像，但由于数据类型为浮点型，直接显示可能看不到清晰的边缘。

4. x 方向上的边缘（包括负数信息，取绝对值）

   1# x方向上的边缘,包括负数信息,进行取绝对值的操作，右端的负值信息就可以显示出来了
   2yuan_x_full = cv2.convertScaleAbs(yuan_x_64)  # 转换为绝对值，负数转换为正数
   3cv2.imshow('x方向边缘（绝对值）', yuan_x_full)
   4cv2.waitKey(0)

   解释:

   • 使用 cv2.convertScaleAbs 函数将浮点型数据转换为整数型数据，并取绝对值。
   • 显示 x 方向上的边缘图像，此时可以看到清晰的边缘。

5. y 方向上的边缘

   1# y方向上的边缘
   2yuan_y = cv2.Sobel(yuan, -1, dx=0, dy=1)
   3cv2.imshow('y方向边缘', yuan_y)
   4cv2.waitKey(0)

   解释:

   • 使用 cv2.Sobel 函数计算 y 方向上的边缘。
   • dx=0 表示在 x 方向上保持不变，dy=1 表示在 y 方向上求一阶导数。
   • 显示 y 方向上的边缘图像，并等待用户按键继续。

6. y 方向上的边缘（包括负数信息，取绝对值）

   1# y方向上的边缘,包括负数信息（下端），但显示不出来，因为范围是(0~255）
   2yuan_y_64 = cv2.Sobel(yuan, cv2.CV_64F, dx=0, dy=1)  # 默认 int8 改为 float64，可保存负数
   3yuan_y_full = cv2.convertScaleAbs(yuan_y_64)  # 转换为绝对值，负数转换为正数
   4cv2.imshow('y方向边缘（绝对值）', yuan_y_full)
   5cv2.waitKey(0)

   解释:

   • 将数据类型改为 cv2.CV_64F 以便保存负数。
   • 使用 cv2.convertScaleAbs 函数将浮点型数据转换为整数型数据，并取绝对值。
   • 显示 y 方向上的边缘图像，此时可以看到清晰的边缘。

7. 同时使用 x 和 y 方向的结果

   1# 如果同时使用 x，y 方向的结果如何呢？（不建议使用）
   2yuan_xy = cv2.Sobel(yuan, -1, dx=1, dy=1)
   3cv2.imshow('xy方向边缘', yuan_xy)
   4cv2.waitKey(100000)

   解释:

   • 使用 cv2.Sobel 函数计算 x 和 y 方向上的边缘。
   • dx=1 表示在 x 方向上求一阶导数，dy=1 表示在 y 方向上也求一阶导数。
   • 显示 xy 方向上的边缘图像，并等待用户按键继续。

8. 使用图像加权运算组合 x 和 y 方向的 2 个边缘

   1# 使用图像加权运算组合 x 和 y 方向的 2 个边缘
   2yuan_xy_full = cv2.addWeighted(yuan_x_full, 1, yuan_y_full, 1, 0)
   3cv2.imshow('xy方向边缘（加权组合）', yuan_xy_full)
   4cv2.waitKey(0)

   解释:

   • 使用 cv2.addWeighted 函数将 x 方向和 y 方向的边缘图像进行加权组合。
   • 显示组合后的边缘图像，并等待用户按键继续。

输出结果：

总结

通过以上代码演示，我们展示了如何使用 OpenCV 的 Sobel 算子进行图像边缘检测。Sobel 算子通过计算图像在 x 和 y 方向上的梯度，能够有效地识别出图像中的边缘。此外，通过调整数据类型和使用绝对值转换，我们能够更好地显示边缘信息。这种边缘检测技术在许多计算机视觉应用中都有重要作用，如物体识别、运动检测等。