opencv边缘检测之sobel算子，canny算子

最新推荐文章于 2024-06-15 16:47:43 发布
最新推荐文章于 2024-06-15 16:47:43 发布
阅读量1.4k 收藏 4
点赞数
分类专栏： opencv 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35641067/article/details/105875479
版权

边缘检测

1.边缘与导数

  • 边缘：图像像素值跳变的地方【图像像素突变的地方】

  • 导数：描述变化率的大小[图像跳变的幅度大小]
  • 求完导数的图可以直接作为边缘提取的图， 跳变大小为0->黑色 跳变大小为>0 -->接近白色

2.边缘检测的两种常用方法

2.1 sobel 算子

  • 原理:利用sobel算子分别在X方向,Y方向进行卷积得到Y方向上的边缘与X方向的边缘

2.1.1 sobel算子计算导数

  • 1. 获取X,Y方向的sobel算子，与原图的邻域像素进行卷积得到Gx[x方向的梯度],Gy[y方向的梯度]

以3*3的sobel算子为例

$$G_X = \begin{bmatrix} -1&0&+1\\ -2&0&+2\\ -1&0&+1\end{bmatrix}$$

$$G_Y = \begin{bmatrix} -1&-2&-1\\ 0&0&0\\ +1&+2&+1\end{bmatrix}$$

 

 

 

                        **[X方向的sobel算子]**

从原图我们能轻易知道边缘为50px->100px的地方，动图向我们展示了使用x方向的sobel算子计算边缘上某个位置的导数【计算的元素为图中紫色框】

sobel算子的得出公式:平滑算子与差分算子的每个算子相乘

[例子：3*3sobel算子]

【左:平滑算子 右:差分算子】

$$Sobel_X =\begin{bmatrix}1\\ 2\\ 1\end{bmatrix}*\begin{bmatrix}1&0&-1\end{bmatrix}=\begin{bmatrix}1&0&-1\\ 2&0&-2\\ 1&0&-1\end{bmatrix}$$

$$Sobel_Y =\begin{bmatrix}1&2&1\end{bmatrix}*\begin{bmatrix}1\\0\\-1\end{bmatrix}=\begin{bmatrix}1&2&1\\ 0&0&0\\ -1&-2&-1\end{bmatrix}$$

设窗口大小为w*w

平滑算子 计算公式

最低0.47元/天 解锁文章
qq_35641067
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
OpenCV边缘检测Canny算子sobel算子scharr滤波（VS2015+OpenCV3.4.9）
02-29
OpenCV是一个广泛使用的开源计算机视觉库，它提供了多种边缘检测算法，包括Canny算子、Sobel算子和Scharr滤波器。在这个项目中，我们将探讨如何在Visual Studio 2015环境下，利用OpenCV 3.4.9版本实现这些边缘检测...
10.5 边缘检测
qq_40066957的博客
05-10 3105
边缘检测 学习目标 了解Sobel算子，Scharr算子和拉普拉斯算子 掌握canny边缘检测的原理及应用 1 原理 边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。边缘的表现形式如下图所示： 图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于搜索和基于零穿越。 基于搜索：.
OpenCV之sobel算子详解
Hide on Bush的博客
02-20 9713
原理 sobel算子是一种计算不同方向上梯度的工具。原理是使用卷积核对图像进行处理。 如果想计算x方向梯度，我们就需要这样的一个卷积核 以卷积核的中心为中心，将卷积核与图像上像素值一一对应，卷积核上的数字相当于系数。利用如下公式即可计算出卷积核中心的x方向梯度。 同理，如果想要计算y方向的梯度，卷积核应该是这样的，公式也是同理。 我们求得了某一像素x方向和y方向的梯度，那么该像素的梯度容易得...
Sobel边缘检测
最新发布
shenqijiji的博客
06-15 876
声明：学习过程中的知识总结，欢迎批评指正。
OpenCV（十五）边缘检测1 -- Sobel算子（一阶微分算子，X、Y方向边缘检测）
热门推荐
great_yzl的博客
08-15 5万+
目录 一、基础理论 二、实战 1、对x方向微分 2、对y方向微分 3、线性混合 总代码 参考资料 一、基础理论 Sobel算子：用于边缘检测的离散微分算子。 梯度公式： 对于图像而言，它是离散的，所以h的最小值只能是1了，那么这意味着，图像中某个像素位置的梯度（以x方向为例）等于它左右两个像素点的像素之差除以2。 例：假设有一行像素是这样分布的： 123 155 173 那么，像素值为155的像素位置x方向的梯度为（173 - 123）/2 = 25 Prewit...
数字图像处理—图像分割—并行边界—利用边缘灰度不连续性（边缘）（边缘与导数）（边界闭合）
见证自己的成长之路~
02-24 1万+
★边缘（灰度过渡的地方）检测 ●边缘检测是所有基于边界的分割方法的第一步（串行、并行）。 ●两个具有不同灰度值的相邻区域之间总存在边缘。 ●边缘是灰度值不连续的结果，这种不连续常可利用求导数方便检测到，一般常用一阶和二阶导数来检测边缘。（河、岸存在落差） 常用的边缘剖面有三种： ●阶梯状：对应于图像中两个具有不同灰度值的相邻区域之间；（通过检测一阶导数的峰值或二阶导数的零
opencv——Sobel导数
萝卜一只有榨菜的 Opencv&C
11-24 579
#include #include #include int main(int argc, char* argv[]) { IplImage *src=cvLoadImage("1.jpg"); IplImage *s=cvCreateImage(cvGetSize(src),8,1); //源图像为8位，为了避免溢出，目标图像的深度必须是I
OpenCV学习教程之Sobel导数
为他种太阳的博客
09-11 394
目标 本文档尝试解答如下问题: 如何使用OpenCV函数 Sobel 对图像求导。 如何使用OpenCV函数 Scharr 更准确地计算 3 \times 3 核的导数。 原理 Note 以下内容来自于Bradski和Kaehler的大作： Learning OpenCV . 上面两节我们已经学习了卷积操作。一个最重要的卷积运算就是导数的计算(或者近似计算). 为什么对图像进行求导是重要的呢...
【OpenCV新手教程之十二】OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑.pdf
11-13
【OpenCV新手教程之十二】主要讲解了OpenCV中用于边缘检测的四种算子和滤波器：Canny算子、Sobel算子、Laplace算子以及Scharr滤波器。边缘检测是计算机视觉中的一项基础技术，用于识别图像中的边界，从而突出关键...
Sobel_sobel算子边缘检测_sobel算子_边缘检测_sobel边缘检测_tipa79_
10-03
在"tipa79"项目中，提供的"Sobel"文件很可能包含了一个实现Sobel算子边缘检测的代码示例。这个代码可能会涵盖以上所述的所有步骤，通过编程语言（如Python和OpenCV库）实现对图像的边缘检测，并输出处理后的灰度图像...
【C++】OpenCV边缘检测示例程序 by浅墨
05-11
博文《【OpenCV入门教程之十二】OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑》的配套详细注释源代码。 博文链接： http://blog.csdn.net/poem_qianmo/article/details/25560901 1.已将dll...
canny算子、sobel算子边缘检测python代码
06-17
在Python中，同样利用OpenCV库实现Sobel算子边缘检测： ```python import cv2 import numpy as np # 读取图像 image = cv2.imread('input.jpg', 0) # 读取灰度图像 # Sobel算子计算x和y方向的梯度 sobel_x = cv2....
6.边缘检测：梯度——边缘检测、导数与边缘、什么是梯度_2
Tom的专栏
11-25 8766
目录 边缘检测 导数与边缘 什么是梯度？ 边缘检测 问题是我们该怎么办? 我们如何计算? 要算出图像中的像素。 像素是某个位置x y，实际上是一个边缘像素。 也就是说它落在边缘上或者是边缘的一部分。 思考这个问题，我们必须回到图像作为函数的概念。 这是我们的喜剧女演员： 这是同一个函数的两种不同表示。 一个只是碰巧以图片的形式呈现给你，所以你习惯了看到它，尽管它很吓人。...
图像处理算法 之 梯度/边缘检测(Sobel算子,拉普拉斯算子,Canny等)
流觞时光
10-24 1万+
边缘检测一阶微分算子Sobel算子Scharr算子OpenCV函数使用：Roberts算子二阶微分算子拉普拉斯算子OpenCV函数使用Canny算子算法流程OpenCV 函数使用 梯度是一个量变化的速度，在数学中通常使用求导、求偏导获取梯度或者某一方向上的梯度。 在数字图像中梯度可以看为像素值分别在x,y方向上的变化速度，因为数字图像的离散型，以及像素是最小处理单元的特性，求数字图像的梯度时，不需要求导，只需要进行加减运算即可。(其实就是求导的差分近似形式).如下图所示： 图片摘自于 https://zh
图像处理(四) Sobel边缘检测与canny边缘检测对比
qq_42313095的博客
04-19 5327
Sobel边缘检测与canny边缘检测对比
图像边缘检测-Canny,Sobel等算子
11-10 4926
一.前言 首先我们先来简单了解一下什么是数字图像处理(Digital Image Processing)，先看一下数字图像主要的两个应用领域： 1.改善图示信息以便人们解释； 2.为存储、传输和表示而对图像数据进行处理，以便于机器自动理解 我们可以简单理解为就将一幅原始图像，使用计算机处理为更为我们所能理解或所需要的形式，如图1-1所示，为基于边缘检测的免疫细胞图像自动分割过程示意图 图 1-1 克隆细胞图像自动分割过程示意图 让我们再看一个例子，如图1-2 ，为经典的车牌检测算法，将原始图
[边缘检测]——Sobel算子、Scharr算子、Laplacian算子、Canny边缘检测
weixin_42067873的博客
07-10 2480
边缘检测是图像处理和计算机视觉中基本的问题，边缘检测的目的是标识数字图像中亮度变化明显的点，图像属性中的显著变化通常反映了属性的重要事件和变化。边缘的表现形式如下图所示： 一、边缘检测的分类 图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性，有许多方法用于边缘检测，它们的绝大部分可以划分为两类：（1）基于搜索（2）基于零穿越的 注：两类边缘检测方法都是基于导数的。 1、基于搜索的 2、基于零穿越的 基于零穿越的，是在基于搜索的基础上进..
边缘检测算子Soble、Laplace、Canny
努力努力努力
05-04 4333
边缘指的是图像中像素的值有突变的地方。 边缘检测一般分为三步，分别是滤波、增强、检测。基本原理都是用高斯滤波器进行去噪，之后在用卷积内核寻找像素梯度。常用有三种算法：canny算子，sobel算子，laplacian算子。 ***sobel算子：***一阶导数算子，引入局部平均运算，对噪声具有平滑作用，抗噪声能力强，计算量较大，但定位精度不高，得到的边缘比较粗，适用于精度要求不高的场合。 lapl...
opencv进行sobel和canny算子边缘检测
04-06
OpenCV是一款强大的计算机视觉库，提供了丰富的图像处理和计算机视觉算法，其中包括边缘检测算法。本文将介绍OpenCV中的Sobel和Canny算子边缘检测。 Sobel算子边缘检测 Sobel算子是一种基于图像灰度值的一阶微分算子，可以检测图像中的边缘。Sobel算子可以分别计算图像在x和y方向上的梯度值，然后将两个方向的梯度值进行加权求和，得到边缘梯度的大小和方向。 在OpenCV中，可以使用Sobel函数进行Sobel算子边缘检测。以下是一个示例代码： ``` import cv2 img = cv2.imread('image.jpg', 0) # 读取灰度图像 sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3) # 在x方向上计算Sobel梯度 sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3) # 在y方向上计算Sobel梯度 sobel = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0) # 将x和y方向上的梯度值加权求和 cv2.imshow('Sobel', sobel) # 显示边缘检测结果 cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上面的代码中，使用cv2.Sobel函数分别计算了x和y方向上的梯度值，并使用cv2.addWeighted函数将两个方向的梯度值进行加权求和。最后，使用cv2.imshow函数显示边缘检测结果。 Canny算子边缘检测 Canny算子是一种多阶段的边缘检测算法，可以检测出较细的边缘，并且对噪声有很好的抑制能力。Canny算子首先使用高斯滤波器对图像进行平滑处理，然后计算图像的梯度值和方向，接着使用非极大值抑制算法和双阈值处理算法进行边缘检测。 在OpenCV中，可以使用Canny函数进行Canny算子边缘检测。以下是一个示例代码： ``` import cv2 img = cv2.imread('image.jpg', 0) # 读取灰度图像 edges = cv2.Canny(img, 100, 200) # 使用Canny算子进行边缘检测 cv2.imshow('Canny', edges) # 显示边缘检测结果 cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上面的代码中，使用cv2.Canny函数对图像进行Canny算子边缘检测，并将结果保存在edges变量中。最后，使用cv2.imshow函数显示边缘检测结果。 总结 本文介绍了OpenCV中的Sobel和Canny算子边缘检测方法，Sobel算子适用于简单的边缘检测，Canny算子适用于更复杂的边缘检测。在实际应用中，可以根据不同的需求选择合适的算法进行边缘检测。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值