图像梯度与几种算子的opencv实现

最新推荐文章于 2024-09-11 20:29:01 发布

水花花花花花

最新推荐文章于 2024-09-11 20:29:01 发布

阅读量1.2k

点赞数 38

文章标签： opencv 计算机视觉人工智能

本文链接：https://blog.csdn.net/m0_73776435/article/details/140894863

版权

1、 Sobel算子函数

OpenCV使用Sobel 算子的方法是cv2.Sobel()

dst = cv2.Sobel(src,ddepth,dx,dy,ksize,scale,delta,borderType)

参数：

src 原图像
ddepth 输出图像的深度，具体关系：

输入图像深度(src.depth())	输出图像深度(ddepth)
cv2.CV_8U	-1/cv2.CV_16S/cv2.CV_32F/cv2.CV_64F
cv2.CV_16U/cv2.CV_16S	-1/cv2.CV_32F/cv2.CV_64F
cv2.CV_32F	-1/cv2.CV_32F/cv2.CV_64F
cv2.CV_64F	-1/cv2.CV_64F

dx：x方向上的求导阶数
dy：y方向上的求导阶数
ksize：Sobel核的大小。该值为-1时，会使用Scharr算子进行运算
scale：计算导数时采用的缩放因子，默认为1，是没有缩放的
delta：加在目标图像dst上的值，默认为0
borderType：边界样式，默认值为cv2.BORDER_DEFAULT。

关于参数ddepth：

该值为-1时，让处理结果与原始图像保持一致，但是直接将ddepth设置为-1，得到的结果可能是错误的。计算梯度值可能出现负数，当处理的图像是8位图类型，ddepth的值为-1时，运算结果也是8位图类型，负数会自动截断为0，发生信息丢失。为了避免信息丢失，要先使用更高的数据类型cv2.CV_64F，再通过取绝对值将其映射到cv2.CV_8U类型。所以，通常将ddepth值设置为“cv2.CV_8U”，并使用函数cv2.convertScaleAbs()对函数cv2.Sobel()的计算结果取绝对值。

注意：x方向和y方向的边缘叠加时，应先令dx=1，dy=0，得到一个结果；再令dx=0，dy=1，得到一个结果。将两个结果相加，而不是同时令dx=1和dy=1。

import cv2

#读取图像
img = cv2.imread('图片路径',0)

#计算x方向边缘信息
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
#计算y方向边缘信息
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)
#求绝对值
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.convertScaleAbs(sobely)
#x方向和y方向的边缘叠加
sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)

#显示图像
cv2.imshow("origin image",img)
cv2.imshow("x",sobelx)
cv2.imshow("y",sobely)
cv2.imshow("xy",sobelxy)

cv2.waitKey(0)
cv2.destroyAllWindows()

2、 Scharr算子

OpenCV使用Scharr算子的函数是cv2.Scharr()

dst = cv2.Scharr(src,ddepth,dx,dy,scale,delta,borderType)

参数：

src 原图像
ddepth 输出图像的深度，该值与函数cv2.Sobel()中的参数ddepth的含义相同。
dx x方向上的求导阶数
dy y方向上的求导阶数
scale 计算导数时采用的缩放因子，默认为1，是没有缩放的
delta 加在目标图像dst上的值，默认为0
borderType 边界样式，默认值为cv2.BORDER_DEFAULT。

在cv2.Sobel()中，ksize=-1时，则会使用Scharr算子。所以下面两个语句等价：

dst = cv2.Scharr(src,ddepth,dx,dy)dst = cv2.Sobel(src,ddepth,dx,dy,-1)

注意：

参数ddepth的值应该设置为“cv2.CV_64F”，并对函数cv2.Scharr()的计算结果取绝对值。
dx和dy不能同时为1，否则语句是错误的。
计算x方向和y方向的边缘叠加时，应先令dx=1，dy=0，得到一个结果；再令dx=0，dy=1，得到一个结果。将两个结果相加，而不是同时令dx=1和dy=1。

代码示例：

import cv2

#读取图像
img = cv2.imread('img.png',0)

#计算水平方向边缘信息
scharrx = cv2.Scharr(img,cv2.CV_64F,1,0)
#计算垂直方向边缘信息
scharry = cv2.Scharr(img,cv2.CV_64F,0,1)
#求绝对值
scharrx = cv2.convertScaleAbs(scharrx)
scharry = cv2.convertScaleAbs(scharry)
#水平方向和垂直方向的边缘叠加
scharrxy = cv2.addWeighted(scharrx,0.5,scharry,0.5,0)

#显示图像
cv2.imshow("origin image",img)
cv2.imshow("x",scharrx)
cv2.imshow("y",scharry)
cv2.imshow("xy",scharrxy)

cv2.waitKey(0)
cv2.destroyAllWindows()

结果：x方向：

y方向：

x方向和y方向的边缘叠加

3、 Laplacian算子

OpenCV使用Laplacian算子的函数是cv2.Laplacian()

dst = cv2.Laplacian(src,ddepth,ksize,scale,delta,borderType)

参数：

src 原图像
ddepth 输出图像的深度，该值与函数cv2.Sobel()中的参数ddepth的含义相同。
ksize 计算二阶导数的核尺寸大小，必须为正的奇数。
scale 计算导数时采用的缩放因子，默认为1，是没有缩放的
delta 加在目标图像dst上的值，默认为0
borderType 边界样式，默认值为cv2.BORDER_DEFAULT。

该函数分别对x和y方向进行二次求导：

注意：当ksize=1时，计算时采用如下3×3的核：

代码：

import cv2

#读取图像
img = cv2.imread('5907dfd8407ca2407d082c90bf6d290.png',0)

#计算边缘信息
laplace = cv2.Laplacian(img,cv2.CV_64F)
#求绝对值
laplace = cv2.convertScaleAbs(laplace)

#显示图像
cv2.imshow("origin image",img)
cv2.imshow("laplace",laplace)

cv2.waitKey(0)
cv2.destroyAllWindows()

4、 Canny函数

OpenCV使用函数cv2.Cannyl()实现Canny边缘检测

edges = cv2.Canny(image,threshold1,threshold2,apertureSize,L2gradient)

参数：

image 输入图像，必须为8位图像
threshold1 第一个阈值
threshold2 第二个阈值
apertureSize Sobel算子的大小
L2gradient 计算图像梯度幅度的表示。默认值为False，使用L1范数计算；如果为True，则使用更精确的L2范数计算。

代码示例：

import cv2

#读取图像，为8位灰度图像
img = cv2.imread('img.png',cv2.IMREAD_GRAYSCALE)

#canny边缘检测
#去噪
img = cv2.GaussianBlur(img,(3,3),0)
#threshold1为128，threshold2为200时的边缘检测结果
canny1 = cv2.Canny(img, 128, 200)
#threshold1为32，threshold2为128时的边缘检测结果
canny2 = cv2.Canny(img, 32, 128)

#显示图像
cv2.imshow("origin image",img)
cv2.imshow("canny1",canny1)
cv2.imshow("canny2",canny2)

cv2.waitKey(0)
cv2.destroyAllWindows()

threshold1为128，threshold2为200时的边缘检测结果