2021-07-11

山东大学暑期实训(六)

由于最近要进行宿舍的搬迁工作,所以学习的进度不是很快,这里记录一下关于opencv的图像处理

1.Canny 边缘检测,参考资料[OpenCV-Python] OpenCV 中的图像处理 部分 IV (三）

1.1canny边缘检测是一种非常流行的边缘检测算法,在进行边缘检测之前,需要进行去噪处理(可以采用类似高斯滤波器).

1.2计算图像梯度:

对平滑后的图像使用 Sobel 算子计算水平方向和竖直方向的一阶导数（图像梯度）（Gx 和 Gy）。根据得到的这两幅梯度图（Gx 和 Gy）找到边界的梯度和方向

import cv2
import numpy as np
img = cv2.imread('F:/picture/desk/1.jpg')
def cv_imshow(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()
 
sobelx=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)

# cv2.CV_64F能表示负数的形式，白-黑是正数，黑-白就是负数了，
# 所有的负数会被截断0，所以要取绝对值
# dx=1,dy=0  表示计算水平方向的，不计算竖直方向，谁为1，计算谁
 
cv_imshow(sobelx,'sobelx')

1.3非极大值抑制

在获得梯度的方向和大小之后，应该对整幅图像做一个扫描，去除那些非边界上的点。对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的。

1.4滞后阈值

要确定那些边界才是真正的边界。这时我们需要设置两个阈值：minVal 和 maxVal。当图像的灰度梯度高于 maxVal 时被认为是真的边界，那些低于 minVal 的边界会被抛弃。如果介于两者之间的话，就要看这个点是否与某个被确定为真正的边界点相连，如果是就认为它也是边界点，如果不是就抛弃。

2.OpenCV 中的 Canny 边界检测

2.1样例代码,opencv中只需要调用canny函数即可完成上述的步骤.

mport cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('messi5.jpg',0) # 图片路径
edges = cv2.Canny(img,100,200)  # 这个函数的第一个参数是输入图像。第二和第三个分别是 minVal 和 maxVal。

plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])

plt.show()

2.2可以设置滑动条来调节阈值,来观察阈值对边界检测的影响

3.OpenCV 中的轮廓 link

3.1 什么是轮廓:

轮廓可以简单认为成将连续的点（连着边界）连在一起的曲线，具有相同、的颜色或者灰度。轮廓在形状分析和物体的检测和识别中很有用。
　　• 为了更加准确，要使用二值化图像。在寻找轮廓之前，要进行阈值化处理、或者 Canny 边界检测。
　　• 查找轮廓的函数会修改原始图像。如果你在找到轮廓之后还想使用原始图、像的话，你应该将原始图像存储到其他变量中。
　　• 在 OpenCV 中，查找轮廓就像在黑色背景中超白色物体,要找的物体应该是白色而背景应该是黑色。

import numpy as np
import cv2
im = cv2.imread('test.jpg')
imgray = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
ret,thresh = cv2.threshold(imgray,127,255,0)
image, contours, hierarchy = cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# 绘制独立轮廓，如第四个轮廓：
img = cv2.drawContour(img, contours, -1, (0,255,0), 3)
# 但是大多数时候，下面的方法更有用：
img = cv2.drawContours(img, contours, 3, (0,255,0), 3)