⚠️这个系列是自己瞎翻的,文法很丑,主要靠意会,跳着跳着捡重要的部分翻,翻错了不负责,就这样哈。
⚠️基于3.4.3,Image Gradients,附原文。
目标
在这一章,我们将学习:
- 找到图像梯度、边缘等等
- 我们会遇到以下函数:cv.Sobel(),cv.Scharr(),cv.Laplacian() 等等
理论
OpenCV提供三种梯度滤波器或高通滤波器,Sobel,Scharr和Laplacian。我们将会一个个来看。
1、索贝尔和沙尔(Sobel Scharr)倒数
索贝尔算法是一个高斯平滑加上其他操作的结合,所以它更能对抗图像噪声(译者注:因为高斯平滑滤掉了一部分噪声)。您可以指定要取的导数的方向,垂直的或水平的(分别通过参数yorder和xorder)。你也可以指定内核的大小,通过参数 ksize。如果给ksize = -1,就会使用一个 3x3 沙尔滤波器,它会给出一个比 3x3 索贝尔滤波器更好的结果。它们使用的内核,请看文档。
2、拉普拉斯(Laplacian)倒数
它通过如下关系 Δsrc=∂2src∂x2+∂2src∂y2 来计算图像的拉普拉斯算子(译者注:拉普拉斯算子)。每个导数都是用索贝尔导数求出来的。如果 ksize = 1,那么用下面的内核进行过滤:
代码
下面的代码用一个图标展示了所有的操作。所有内核采用 5x5 大小。输出图像深度为-1,得到np.uint8类型格式的结果。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('dave.jpg',0)
laplacian = cv.Laplacian(img,cv.CV_64F)
sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize=5)
plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,2),plt.imshow(laplacian,cmap = 'gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])
plt.show()
结果:
一个重要的事情!
在上一个例子中,输出数据类型是cv.CV 8U或np.uint8。但是有一个小问题。黑-白转换为正斜率(值为正),白-黑转换为负斜率(值为负)。当你把数据转换成np.uint8,所有负斜率都是零。简单地说,你错过了那条边界。如果希望同时检测到这两条边,更好的选择是将输出数据类型保持为某些更高的形式,比如cv.CV_16S,cv.CV_64F 等等。取其绝对值,再转换回cv.CV_8U。下面的代码演示了这个过程的水平索贝尔过滤器和结果的差异。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('box.png',0)
# Output dtype = cv.CV_8U
sobelx8u = cv.Sobel(img,cv.CV_8U,1,0,ksize=5)
# Output dtype = cv.CV_64F. Then take its absolute and convert to cv.CV_8U
sobelx64f = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
abs_sobel64f = np.absolute(sobelx64f)
sobel_8u = np.uint8(abs_sobel64f)
plt.subplot(1,3,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(1,3,2),plt.imshow(sobelx8u,cmap = 'gray')
plt.title('Sobel CV_8U'), plt.xticks([]), plt.yticks([])
plt.subplot(1,3,3),plt.imshow(sobel_8u,cmap = 'gray')
plt.title('Sobel abs(CV_64F)'), plt.xticks([]), plt.yticks([])
plt.show()
查看以下结果: