学习使用 python 中的 opencv 库 ----Sobel算子边缘检测应用车牌号识别

欢迎使用Markdown编辑器写博客

在python中的Sobel函数原型：

def Sobel(src, ddepth, dx, dy, dst=None, ksize=None, scale=None, delta=None, borderType=None)

前四个是必须的参数：
- 第一个参数是需要处理的图像；
- 第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；
- dx和dy表示的是求导的阶数，0表示这个方向上没有求导，一般为0、1、2。

其后是可选的参数：

• dst是目标图像，与原图像（src）据有相同的尺寸和通道；
• ksize是Sobel算子的大小，必须为1、3、5、7。
• scale是缩放导数的比例常数，默认情况下没有伸缩系数；
• delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；
• borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

sobel算子用于边缘检测：

def usingsobel(img):
    x = cv2.Sobel(img, cv2.CV_16S, 1, 0)  #检测垂直
    y = cv2.Sobel(img, cv2.CV_16S, 0, 1) #检测水平
    absX = cv2.convertScaleAbs(x)  # 转回uint8
    absY = cv2.convertScaleAbs(y)
    dst = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)
    # cv2.imshow("X", absX)
    # cv2.imshow("Y", absY)
    cv2.imshow("Result", dst)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    return dst

注意点

在Sobel函数的第二个参数这里使用了cv2.CV_16S。因为Sobel函数求完导数后会有负值，还有会大于255的值。而原图像是uint8，即8位无符号数，所以Sobel建立的图像位数不够，会有截断。因此要使用16位有符号的数据类型，即cv2.CV_16S。
在经过处理后，别忘了用convertScaleAbs()函数将其转回原来的uint8形式。

图像预处理代码：

# 灰度图像拉伸
def stretch