opencv进行图片边缘提取（roberts）

最新推荐文章于 2024-08-01 19:27:52 发布

拉塞尔卡牌

最新推荐文章于 2024-08-01 19:27:52 发布

阅读量1.4k

点赞数 1

分类专栏： opencv 文章标签： opencv 计算机视觉边缘检测

本文链接：https://blog.csdn.net/qq_36711094/article/details/107507581

版权

本文介绍了如何利用OpenCV库中的Roberts算子对图像进行边缘提取，通过示例代码展示了该算法在图像处理中的应用。

摘要由CSDN通过智能技术生成

opencv进行图片边缘提取（roberts）

roberts算法是图像边缘提取的基础算法，下边的代码是该算法的实现，能够对一张图片进行边缘提取。

# roberts边缘提取算法
#各类提取算法大同小异：sobel可控制核的大小，对于n阶，设置窗口大小为n+1，涉及平滑算子（二项展开式的系数，即n的组合数）
#差分算子，由平滑算子n-2组合数补零从后向前差分而得
#n=5阶，平滑算子14641，差分算子013310差分得，120-2-1。
import numpy as np
import cv2
import math
import sys
from scipy import signal


def roberts(I, _boundry='full', _fillvalue=0):
    # 图像的高、宽
    H1, W1 = I.shape[0:2]
    # 卷积核的尺寸
    H2, W2 = 2, 2
    # 卷积核1及锚点位置
    R1 = np.array([[1, 0], [0, -1]], np.float32)
    kr1, kc1 = 0, 0
    # 计算full卷积
    IconR1 = signal.convolve2d(I, R1, mode='full', boundary=_boundry, fillvalue=_fillvalue)
    IconR1 = IconR1[H2 - kr1 - 1:H1 + H2 - kr1 - 1, W2 - kc1 - 1:W1 + W2 - kc1 - 1]
    # 卷积核2
    R2 = np.array([[0, 1], [-1, 0]], np.float32)
    # 锚点的位置
    kr2, kc2 = 0,