Opencv之边缘检测Sobel滤波

目录

一、Sobel函数

二、对垂直/水平方向边缘检测

三、对垂直和水平方向边缘检测

---

 

一、Sobel函数

# 利用Sobel方法可以进行sobel边缘检测 #

sobelx = cv2.Sobel(img,cv2.CV_64F, 1, 0, ksize=3)

1. img表示源图像，即进行边缘检测的图像
2. cv2.CV_64F表示64位浮点数即64float。这里不使用numpy.float64，因为可能会发生溢出现象
3. 第三和第四个参数分别是对X和Y方向的导数（即dx,dy），这里1表示对X求偏导，0表示不对Y求导。其中，X还可以求2次导。
4. 注意：对X求导就是检测垂直方向的边缘，对Y求导是检测水平方向的边缘
5. 第五个参数ksize是指核的大小。
6. 这里说明一下，这个参数的前四个参数都没有给谁赋值，而ksize则是被赋值的对象。实际上，这时可省略的参数，而前四个是不可省的参数。注意其中的不同点

 

二、对垂直/水平方向边缘检测

import cv2


# Step1  读入灰度图
initial_car = cv2.imread(r'F:\ml_summer\Opencv\Image\car.jpg',cv2.IMREAD_GRAYSCALE)

# Step2  高斯模糊处理
blur_car = cv2.GaussianBlur(initial_car,(5,5),0)

#Step3  Sobel计算水平导数
sobel_car = cv2.Sobel(blur_car,cv2.CV_16S,1,0)
sobel_car = cv2.convertScaleAbs(sobel_car)  #转回uint8



cv2.imshow('now',sobel_car)
cv2.waitKey(0)

上述代码对X求导，即检测了垂直方向的边缘

使用cv2.Sobel(img,cv2.CV_16S,0,1)可以实现对Y求一阶导，即对水平方向进行检测

 

 

三、对垂直和水平方向边缘检测

我们不是使用

cv2.Sobel(blur_car,cv2.CV_16S,1,1)

而是通过，先对水平方向边缘检测，在对垂直方向边缘检测，最后利用加权相加的方式实现对垂直和水平方向进行边缘检测

import cv2


# Step1  读入灰度图
initial_car = cv2.imread(r'F:\ml_summer\Opencv\Image\car.jpg',cv2.IMREAD_GRAYSCALE)

# Step2  高斯模糊处理
blur_car = cv2.GaussianBlur(initial_car,(5,5),0)

#Step3  Sobel计算水平导数
sobel_car1 = cv2.Sobel(blur_car,cv2.CV_16S,1,0)
sobel_car2 = cv2.Sobel(blur_car,cv2.CV_16S,0,1)
sobel_car1 = cv2.convertScaleAbs(sobel_car1)  #转回uint8
sobel_car2 = cv2.convertScaleAbs(sobel_car2)

sobel_car = cv2.addWeighted(sobel_car1,0.5,sobel_car2,0.5,0)

cv2.imshow('now',sobel_car)
cv2.waitKey(0)