计算机视觉OpenCV(四):图像梯度处理和边缘检测

图像梯度处理

1. Sobel算子

dst = cv2.Sobel(src, ddepth, dx, dy, ksize)

ddepth:输出图像的深度,-1 表示采用的是与原图像相同的深度。

在这里插入图片描述

dx:代表 x 方向上的求导阶数,0 表示这个方向上没有求导,一般为 0、1、2。
dy:代表 y 方向上的求导阶数,0 表示这个方向上没有求导,一般为 0、1、2。
ksize:代表 Sobel 算子的大小,必须为 1、3、5、7。该值为 -1 时,则会使用 Scharr 算子进行运算。

复习一下前面学习过的函数
图像混合/叠加:cv2.addWeighted(src1, 权重1, src2, 权重2, gamma=0)
公式: d s t = s r c 1 ∗ 权重 1 + s r c 2 ∗ 权重 2 + 偏移量 g a m m a dst = src1 * 权重1 + src2 * 权重2 + 偏移量 gamma dst=src1权重1+src2权重2+偏移量gamma

square.png原图:
在这里插入图片描述

import cv2
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

img = cv2.imread("square.png",cv2.IMREAD_GRAYSCALE)

sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx) #函数cv2.convertScaleAbs()对一个随机数组取绝对值

sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely)  

sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0) #x、y求和
#sobelxy = cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3) 
#直接设置dx=dy=1,得到的sobelxy效果一般般,没有上面的方法好(可自行尝试)

result = np.hstack((sobelx,sobely,sobelxy))
cv_show("sobelx-sobely",result)

在这里插入图片描述

# 实例
#import、函数cv_show与前面一样,省略,仅修改下面
img = cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE)

sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobely = cv2.convertScaleAbs(sobely)
sobelxy = cv2.addWeighted(sobelx,0.5,sobely,0.5,0)

result = np.hstack((img,sobelxy))
cv_show("img-sobelxy",result)
plt.imshow(result)

在这里插入图片描述

2. Scharr算子

cv2.Scharr(src,ddepth, dx, dy)

和 sobel 算子相比,scharr 算子临近像素的权重更大,scharr 算子能计算出更小的梯度变化,故精确度更高。

3. Laplacian算子

cv2.Laplacian(src,ddepth) 

Laplacian 算子对噪声比较敏感,所以图像一般先经过平滑处理

4. 不同算子的比较

import cv2
import numpy as np

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    
img = cv2.imread('lena.jpg',cv2.IMREAD_GRAYSCALE)

sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3) #Sobel算子
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3) 
sobelxy =  cv2.addWeighted(sobelx,0.5,sobely,0.5,0) 
sobelxy = cv2.convertScaleAbs(sobelxy) 

scharrx = cv2.Scharr(img,cv2.CV_64F,1,0) #Scharr算子
scharry = cv2.Scharr(img,cv2.CV_64F,0,1)
scharrxy =  cv2.addWeighted(scharrx,0.5,scharry,0.5,0) 
scharrxy = cv2.convertScaleAbs(scharrxy)  

laplacian = cv2.Laplacian(img,cv2.CV_64F) #Laplacian算子
laplacian = cv2.convertScaleAbs(laplacian)   

result = np.hstack((sobelxy,scharrxy,laplacian))
cv_show("sobel-scharr-laplacian",result)

在这里插入图片描述
使用 sobel 算子的轮廓要更清晰,scharr 算子的轮廓的细节更多,laplacian 获得的结果边缘信息较浅。

Canny边缘检测

Canny 边缘检测算子是 John F. Canny 于 1986 年开发出来的一个多级边缘检测算法。
Canny 边缘检测算法可以分为以下 5 个步骤
(1)应用高斯滤波来平滑图像,目的是去除噪声
(2)找寻图像的强度梯度
(3)应用非最大抑制技术来消除边误检(本来不是但检测出来是)
(4)应用双阈值的方法来决定可能的(潜在的)边界
(5)利用滞后技术来跟踪边界

双阈值检测:
梯度值 > maxVal:则处理为边界
minVal < 梯度值 < maxVal:连有边界则保留,否则舍弃
梯度值 < minVal:则舍弃

edge = cv2.Canny(image, minVal, maxVal)

必要参数:
image:需要处理的原图像,该图像必须为单通道的灰度图;
minVal:阈值 1,较小的阈值 1 用于将间断的边缘连接起来;
maxVal:阈值 2,较大的阈值 2 用于检测图像中明显的边缘,但一般情况下检测的效果不会那么完美,边缘检测出来是断断续续的。

import cv2
import numpy as np

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

img=cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE)

c1=cv2.Canny(img,80,150) #阈值不同,效果不同
c2=cv2.Canny(img,50,100)

result = np.hstack((c1,c2))
cv_show("result",result)

在这里插入图片描述

本笔记记录学习OpenCV,若有错误,欢迎批评指正,学习交流。

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV是一个开源的计算机视觉库,提供了丰富的图像处理计算机视觉算法。其中,图像边缘检测OpenCV中的一个重要功能,用于检测图像中物体的边缘。 在OpenCV中,常用的图像边缘检测算法有以下几种: 1. Canny边缘检测算法:Canny算法是一种经典的边缘检测算法,它通过多阶段的处理来提取图像中的边缘。首先,对图像进行高斯滤波以降低噪声;然后,计算图像梯度,并根据梯度的方向和幅值来确定边缘;最后,使用非极大值抑制和双阈值处理来提取最终的边缘。 2. Sobel算子:Sobel算子是一种基于梯度边缘检测算子,它通过计算图像的一阶或二阶导数来检测边缘。Sobel算子可以分别计算图像在水平和垂直方向上的梯度,并将两个方向上的梯度合并得到最终的边缘。 3. Laplacian算子:Laplacian算子是一种基于二阶导数的边缘检测算子,它可以检测图像中的高频变化区域,即边缘。Laplacian算子对图像进行二阶导数计算,并通过零交叉点来确定边缘。 使用OpenCV进行图像边缘检测的步骤如下: 1. 读取图像:使用OpenCV的函数读取图像文件。 2. 灰度化:将彩色图像转换为灰度图像,可以使用OpenCV的函数将图像转换为灰度模式。 3. 滤波处理:对灰度图像进行滤波处理,常用的滤波方法有高斯滤波。 4. 边缘检测:使用OpenCV提供的边缘检测函数,如Canny、Sobel或Laplacian等。 5. 显示结果:将检测到的边缘结果显示出来,可以使用OpenCV的函数将图像显示在窗口中。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值