计算机视觉——OpenCV图像处理基础(3)

本文介绍了OpenCV中的图像处理技术,包括Sobel、Laplacian和Canny三种边缘检测方法,以及阈值、Otsu自动阈值和自适应阈值两种二值化技术。通过实例展示了各种技术的效果,强调了自适应阈值在处理复杂场景时的优势。
摘要由CSDN通过智能技术生成

OpenCV图像处理

1 边缘检测

Sobel

 由于边缘可以出现在水平和垂直两个方向,所以Sobel滤波器由以下两个内核组成(例如):

左边的内核检测水平边缘,右边的内核检测垂直边缘。

sobel_horizontal = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=5)

sobel_vertical = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=5)

注意:在8位输入图像的情况下,将导致截断导数,因此可以使用深度值cv2.CV_16U。 如果边缘不是很好定义的话,可以调整内核的值,为获得较薄的边缘而较小,并且为了相反的目的而重要。

效果:

Sobel滤波器可以检测水平或垂直方向的边缘,但是不会给我们提供所有边缘的整体视图。所以使用下面这个啦。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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