openCV—Python(11)—— 图像边缘检测

一、函数简介

1、laplacian算子

函数原型：Laplacian(src, ddepth, dst=None, ksize=None, scale=None, delta=None, borderType=None)

src：图像矩阵

ddepth：深度类型

2、Sobel算子

函数原型：Sobel(src, ddepth, dx, dy, dst=None, ksize=None, scale=None, delta=None, borderType=None)

src：图像矩阵

ddepth：深度类型

dx：x方向

dy：y方向

3、Canny算子

函数原型：Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)

image：图像矩阵

threshold1：阈值1

threshold1：阈值2

二、实例演练

1、拉普拉斯边缘检测

代码如下：

#encoding:utf-8

#
#laplacian边缘检测
#

import numpy as np
import cv2

image = cv2.imread("H:\\img\\lena.jpg")
image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#将图像转化为灰度图像
cv2.imshow("Original",image)
cv2.waitKey()

#拉普拉斯边缘检测
lap = cv2.Laplacian(image,cv2.CV_64F)#拉普拉斯边缘检测
lap = np.uint8(np.absolute(lap))##对lap去绝对值
cv2.imshow("Laplacian",lap)
cv2.waitKey()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19

结果如下:

原图像：

laplacian边缘检测结果：

2、Soble边缘检测

代码如下：

#encoding:utf-8

#
#Sobel边缘检测
#

import numpy as np
import cv2

image = cv2.imread("H:\\img\\lena.jpg")
image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#将图像转化为灰度图像
cv2.imshow("Original",image)
cv2.waitKey()

#Sobel边缘检测
sobelX = cv2.Sobel(image,cv2.CV_64F,1,0)#x方向的梯度
sobelY = cv2.Sobel(image,cv2.CV_64F,0,1)#y方向的梯度

sobelX = np.uint8(np.absolute(sobelX))#x方向梯度的绝对值
sobelY = np.uint8(np.absolute(sobelY))#y方向梯度的绝对值

sobelCombined = cv2.bitwise_or(sobelX,sobelY)#
cv2.imshow("Sobel X", sobelX)
cv2.waitKey()
cv2.imshow("Sobel Y", sobelY)
cv2.waitKey()
cv2.imshow("Sobel Combined", sobelCombined)
cv2.waitKey()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28

结果如下:

原图像：

X方向边缘检测结果：

Y方向边缘检测结果：

XY方向结合边缘检测结果：

3、Canny边缘检测

代码如下：

#encoding:utf-8

#
#Canny边缘检测
#

import numpy as np
import cv2

image = cv2.imread("H:\\img\\lena.jpg")#读入图像
image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#将图像转化为灰度图像
cv2.imshow("Image",image)#显示图像
cv2.waitKey()

#Canny边缘检测
canny = cv2.Canny(image,30,150)
cv2.imshow("Canny",canny)
cv2.waitKey()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18

结果如下:

原图像：

Canny边缘检测结果：