OpenCv 图像梯度处理与边缘检测

图像梯度处理

图像的梯度处理主要是在黑底白字的图像中进行处理，这个处理分为水平Gx（将dy设为0,dx设为1），竖直Gy（将dx设为0,dy设为1)两个部分，再将Gx,Gy两部分融合成为G=|Gx|+|Gy|
处理步骤一般为:

1. 建立Gx,Gy梯度图像
2. 取绝对值(白色减黑色是正数，但黑色减白色是负数)
3. 按找相同权值进行融合

Sobel算子

其中A是读入的Numpy数组

dst=cv.Sobel(src,ddepth,dx,dy,ksize)
src是读入的图像，ddepth是图像的深度
dx,dy是水平和竖直方向
ksize是算子的大小

Sobel算子处理图像梯度代码

import cv2 as cv
import numpy as np

img = cv.imread("D:/Coding/pit.jpg",cv.IMREAD_GRAYSCALE)
soblex=cv.Sobel(img,cv.CV_64F,1,0,ksize=3)
soblex=cv.convertScaleAbs(soblex)
sobley=cv.Sobel(img,cv.CV_64F,0,1,ksize=3)
sobley=cv.convertScaleAbs(sobley)
soblexy=cv.addWeighted(soblex,0.5,sobley,0.5,0)
cv.namedWindow("soblexy",cv.WINDOW_FREERATIO)
cv.imshow("soblexy",soblexy)
cv.waitKey(0)
cv.destroyAllWindows()

Scharr算子

dst=cv.Scharr(src,ddepth,dx,dy)
src是读入的图像，ddepth是图像的深度
dx,dy是水平和竖直方向

Sccharr算子处理图像梯度代码

import cv2 as cv
import numpy as np

img = cv.imread("D:/Coding/pit.jpg",cv.IMREAD_GRAYSCALE)
Scharrx=cv.Scharr(img,cv.CV_64F,1,0)
Scharrx=cv.convertScaleAbs(Scharrx)
Scharry=cv.Scharr(img,cv.CV_64F,0,1)
Scharry=cv.convertScaleAbs(Scharry)
Scharrxy=cv.addWeighted(Scharrx,0.5,Scharry,0.5,0)
cv.namedWindow("Scharrxy",cv.WINDOW_FREERATIO)
cv.imshow("Scharrxy",Scharrxy)
cv.waitKey(0)
cv.destroyAllWindows()

laplacian算子

dst=cv.Laplacian(src,ddepth)
src是读入的图像，ddepth是图像的深度

Laplician算子处理图像梯度总代码

import cv2 as cv
import numpy as np

img = cv.imread("D:/Coding/pit.jpg",cv.IMREAD_GRAYSCALE)
laplacian=cv.Laplacian(img,cv.CV_64F)
laplacian=cv.convertScaleAbs(laplacian)
cv.namedWindow("laplacian",cv.WINDOW_FREERATIO)
cv.imshow("laplacian",laplacian)
cv.waitKey(0)
cv.destroyAllWindows()

三种算子的总结与区分

由Sobel算子到Laplacian算子对于噪声的敏感程度逐渐增高，但是对于边缘的处理能力也逐渐增高，且Laplacian算法一般不单独使用，Sobel算子和Scharr算子建立图像的时候一般是先从水平和竖直上分别建立，再进行融合处理

Canny边缘检测

步骤：

1. 使用高斯滤波器，平滑图像，过滤噪声
2. 计算图像当中的每一个像素点的梯度与方向
   （使用Sobel算子）
3. 应用非极大值抑制，以消除边缘检测带来的杂散效应
   （确定唯一检测范围）
4. 应用双阈值检测来检测来确定真实和潜在的边缘
   
   设置趋势是：minVal和maxVal越大保留的细节信息越少，轮廓越清晰，minVal和maxVal越小保留的细节信息越多，轮廓越杂乱
5. 通过抑制孤立的弱边缘最终完成边缘检测

总代码

import cv2 as cv
import numpy as np

img = cv.imread("D:/Coding/flower.jpg",cv.IMREAD_GRAYSCALE)
v1=cv.Canny(img,120,250)
v2=cv.Canny(img,50,100)
res=np.hstack((v1,v2))
cv.namedWindow("res",cv.WINDOW_FREERATIO)
cv.imshow("res",res)
cv.waitKey(0)
cv.destroyAllWindows()

效果图