opencv基础简洁版（python）二

最新推荐文章于 2023-06-20 16:57:09 发布

快乐的小九安

最新推荐文章于 2023-06-20 16:57:09 发布

阅读量689

点赞数

分类专栏： opencv

本文链接：https://blog.csdn.net/weixin_52639593/article/details/127054200

版权

opencv 专栏收录该内容

4 篇文章 2 订阅

订阅专栏

图像梯度-Scharr算子

$G{x}=\begin{bmatrix} -3 & 0 &3 \\ -10 &0 & 10\\ -3&0 & 3 \end{bmatrix}*AandG{y}=\begin{bmatrix} -3 &-10 & -3\\ 0&0 & 0\\ -3 &-10 & -3 \end{bmatrix}*A$

scharrx = cv2.Scharr(img, cv2.CV_64F,1,0)
scharrx = cv2.convertScaleAbs (scharrx)# 负数的觉对值
scharry = cv2.Scharr(img, cv2.CV_64F,0,1)
scharry = cv2.convertScaleAbs (scharry)# 负数的觉对值
scharrxy =cv2.addWeighted(scharrx,0.5,scharry,0.5,0)
cv_show('First',sobelxy)

图像梯度-laplacian算子

$G=\begin{bmatrix} 0& 1 & 0\\ 1 & -4 &1 \\ 0&1 & 0 \end{bmatrix}$

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

Canny边缘检测

1高斯滤波平滑处理消除噪音

2计算图像的每个像素点的梯度强度和方向

3应用非极大值抑制一消除边缘检测带来的杂散响应

4应用双阈值检测来确定真实的和潜在的边缘

v1 =cv2.Canny(img,80,150)
v2 =cv2.Canny(img,50,100)
res =np.hstack((v1,v2))
cv_show("res",res)

5通过抑制孤立的弱边缘最终完成边缘检测

图像金字塔

沿着金字塔往上走越来越小叫做（向下采样方法缩小）

沿着金字塔往下走越来越大叫做（向上采样方法放大）

高斯金字塔

向下采样

print(img.shape)
up =cv2.pyrUp(img)
cv_show("1",up)

向上采样

print(img.shape)
down =cv2.pyrDown(img)
cv_show("2",up)

可以多次上采样或者下采样（注意先上采样再下采样只是大小一样信息会丢失变得不清晰）

高斯金字塔

down =cv2.pyrDown(img)
down_up =cv2.pyrUp(down)
down_up =cv2.resize(down_up,(672,457))  # 大小不一样要resize
cha =img-down_up
cv_show("1",cha)

图像轮廓

查找轮廓

gray =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)                # 灰度处理
ret,thresh =cv2.threshold(gray,127,255,cv2.THRESH_BINARY) # 二值化处理
cv_show("1",thresh)
contours,hierachy =cv2.findContours(thresh,cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE)

绘制轮廓

draw_img =img.copy()     # 复制原图
res =cv2.drawContours(draw_img,contours,-1,(0,0,255),2)  #-1全部绘画 1第一个轮廓里面
                                                         # 2第一个外面 依次数
cv_show("1",img)

浅拷贝

轮廓特征

cut =contours[0]                              # 0第一个轮廓 1第二个轮廓
print(cv2.contourArea(cut))                   # 面积

cut =contours[2]
print(cv2.arcLength(cut,True))               # 周长，Ture表示闭合

轮廓近似

cut =contours[0]
epsilon =0.1*cv2.arcLength(cut,True)
approx =cv2.approxPolyDP(cut,epsilon,True)
draw_img =img.copy()
res =cv2.drawContours(draw_img,[approx],-1,(0,0,255),2)
cv_show('res',res)