魏老师学生——Cecil:学习OpenCV-机器视觉之旅
原理:梯度=求导。Sobel、Scharr——求一阶、二阶导数;Laplacian——求二阶导数。
Sobel Scharr 算子
- Sobel算子:高斯平滑与微分操作的结合体。抗噪声能力好。自定义:求导方向xy,卷积核大小ksize,ksize=-1,3*3 Scharr滤波器,比Sobel滤波器效果好。
Laplacian算子
- 拉普拉斯算子:二阶导数的形式。
- kernel=[0 1 0] [1 -4 1] [0 1 0]
代码演示
# coding=utf8
import cv2
import numpy as np
from matplotlib import pyplot as plt
img=cv2.imread('222.jpg',0)
# cv_64f 输出图像的深度(数据类型)
laplacian=cv2.Laplacian(img,cv2.CV_64F)
# 1,0 只在x方向求一阶导数,最大二阶求导。
sobelx=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)
sobely=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)
plt.subplot(2,2,1),plt.imshow(img,cmap='gray')
plt.title('Original'),plt.xticks([]),plt.yticks([])
plt.subplot(2,2,2),plt.imshow(laplacian,cmap='gray')
plt.title('Laplacian'),plt.xticks([]),plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx,cmap='gray')
plt.title('Sobel X'),plt.xticks([]),plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely,cmap='gray')
plt.title('Sobel Y'),plt.xticks([]),plt.yticks([])
plt.show()
代码演示
# coding=utf8
import cv2
import numpy as np
from matplotlib import pyplot as plt
img=cv2.imread('222.jpg',0)
sobelx8u=cv2.Sobel(img,cv2.CV_8U,1,0,ksize=5)
sobelx64f=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
abs_sobel64f=np.absolute(sobelx64f)
sobel_8u=np.uint8(abs_sobel64f)
plt.subplot(1,3,1),plt.imshow(img,cmap='gray')
plt.title('Original'),plt.xticks([]),plt.yticks([])
plt.subplot(1,3,2),plt.imshow(sobelx8u,cmap='gray')
plt.title('Sobel CV_8U'),plt.xticks([]),plt.yticks([])
plt.subplot(1,3,3),plt.imshow(sobel_8u,cmap='gray')
plt.title('Sobel abs(CV_64F)'),plt.xticks([]),plt.yticks([])
plt.show()