opencv 图片边缘渐变_图片处理-opencv-10.图像锐化与边缘检测

图像锐化与边缘检测

1.Roberts算子

Roberts算子又称为交叉微分算法，它是基于交叉差分的梯度算法，通过局部差分计算检测边缘线条。常用来处理具有陡峭的低噪声图像，当图像边缘接近于正45度或负45度时，该算法处理效果更理想。其缺点是对边缘的定位不太准确，提取的边缘线条较粗。

2.Prewitt算子

Prewitt是一种图像边缘检测的微分算子，其原理是利用特定区域内像素灰度值产生的差分实现边缘检测。由于Prewitt算子采用33模板对区域内的像素值进行计算，而Robert算子的模板为22，故Prewitt算子的边缘检测结果在水平方向和垂直方向均比Robert算子更加明显。Prewitt算子适合用来识别噪声较多、灰度渐变的图像。

dst = filter2D(src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]])

src表示输入图像

dst表示输出的边缘图，其大小和通道数与输入图像相同

ddepth表示目标图像所需的深度

kernel表示卷积核，一个单通道浮点型矩阵

anchor表示内核的基准点，其默认值为(-1，-1)，位于中心位置

delta表示在储存目标图像前可选的添加到像素的值，默认值为0

borderType表示边框模式

import cv2

import numpy as np

import matplotlib.pyplot as plt

plt.figure(figsize=(15, 8))

#读取图像

img = cv2.imread('data/test3.jpg')

lenna_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

#灰度化处理图像

grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

#高斯滤波

gaussianBlur = cv2.GaussianBlur(grayImage, (3,3), 0)

#阈值处理

ret, binary = cv2.threshold(gaussianBlur, 127, 255, cv2.THRESH_BINARY)

#Roberts算子

kernelx = np.array([[-1, 0], [0, 1]], dtype=int)

kernely = np.array([[0, -1], [1, 0]], dtype=int)

x = cv2.filter2D(grayImage, cv2.CV_16S, kernelx)

y = cv2.filter2D(grayImage, cv2.CV_16S, kernely)

#转uint8

absX = cv2.convertScaleAbs(x)

absY = cv2.convertScaleAbs(y)

Roberts = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)

#Prewitt算子

kernelx = np.array([[1, 1, 1], [0, 0, 0], [-1, -1, -1]], dtype=int)

kernely = np.array([[-1, 0, 1], [-1, 0, 1], [-1, 0, 1]], dtype=int)

x = cv2.filter2D(binary, cv2.CV_16S, kernelx)

y = cv2.filter2D(binary, cv2.CV_16S, kernely)

absX = cv2.convertScaleAbs(x)

absY = cv2.convertScaleAbs(y)

Prewitt = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)

#用来正常显示中文标签

plt.rcParams['font.sans-serif'] = ['SimHei']

#显示图形

titles = [u'原始图像', u'Roberts算子', u'Pre