数字图像处理之图像边缘

图像边缘主要包含下面几个部分

导入库

import numpy as np
import matplotlib.pyplot as plt
import cv2 as cv

图片输出函数

def show(img):
    if img.ndim == 2:
        plt.imshow(img,cmap='gray')
    else:
        plt.imshow(cv.cvtColor(img,cv.COLOR_RGB2BGR))
    plt.show()

Premitt算子

Premitt算子一般包含以下两种：

通过对水平方向和竖直方向的图片进行处理，然后合成，看最终的效果如何。

kx = np.array([
    [-1,0,1],
    [-1,0,1],
    [-1,0,1]
],dtype=np.float32)
ky = np.array([
    [-1,-1,-1],
    [0,0,0],
    [1,1,1]
],dtype=np.float32)
imgX = cv.filter2D(img,cv.CV_64F,kx)
imgY = cv.filter2D(img,cv.CV_64F,ky)
imgXY2 = np.abs(imgX)+np.abs(imgY)
show(np.hstack([img,np.abs(imgX).clip(0,255),np.abs(imgY).clip(0,255),np.abs(imgXY2).clip(0,255)]))

处理效果如下所示：

Roberts算子

Roberts算子也有两种形式，跟Premitt算子大同小异。

#Roberts算子
kx = np.array([
    [-1,0],
    [0,1]
],dtype=np.float32)
ky = np.array([
    [0,1],
    [1,0]
],dtype=np.float32)
imgX = cv.filter2D(img,cv.CV_64F,kx)
imgY = cv.filter2D(img,cv.CV_64F,ky)
imgXY = np.sqrt(imgX**2+imgY**2)
imgXY2 = np.abs(imgX)+np.abs(imgY)
show(np.hstack([img,np.abs(imgX).clip(0,255),np.abs(imgY).clip(0,255),np.abs(imgXY2).clip(0,255)]))

但是效果不如前者

Sobel-Feldman、Scharr算子

这两种算子与上面的两种算子，卷积核不一样，其余的地方大同小异，看看效果如何。

#soble-feldmen算子
imgX = cv.Sobel(img,cv.CV_16S,1,0)#x方向一阶偏导，y方向0阶偏导
imgY = cv.Sobel(img,cv.CV_16S,0,1)#y方向一阶偏导，x方向0阶偏导
imgXY = np.abs(imgX)+np.abs(imgY)
show(np.hstack([img,np.abs(imgX).clip(0,255),np.abs(imgY).clip(0,255),np.abs(imgXY).clip(0,255)]))
#Scharr算子
imgX = cv.Scharr(img,cv.CV_64F,1,0)
imgY = cv.Scharr(img,cv.CV_64F,0,1)
imgXY = np.sqrt(imgX**2+imgY**2)
show(np.hstack([img,np.abs(imgX).clip(0,255),np.abs(imgY).clip(0,255),np.abs(imgXY).clip(0,255)]))

soble-feldmen算子

Scharr算子

Laplacian算子

Laplacian算子基本上卷积核如下图所示：

opencv中有用来实现的方法

#Laplacian算子
img_lap = cv.Laplacian(img,cv.CV_64F)
show(np.abs(img_lap).clip(10,255))

LoG算子

LoG算子，是高斯模糊和Laplacian算子结合而成的。

#Log算子
img_blur = cv.GaussianBlur(img,(3,3),1)
img_log = cv.Laplacian(img_blur,cv.CV_64F)
show(np.hstack([np.abs(img_lap).clip(0,255),np.abs(img_log).clip(0,255)]))

和单纯的Laplacian相比，去除了很多噪声，emmm但是效果不是很好，可能是参数的问题。

Canny算法

Canny算法的处理方式：

opencv中自带的方法：

#canny边缘检测
img2 = cv.Canny(img,20,200)#低于20一定不是边缘，大于200就一定是强边缘，处于20-200之间的，如果靠近强边缘就一定是边缘
show(np.hstack([img,img2]))