边缘检测（opencv

参考：

OpenCV-Python教程（6、Sobel算子）

OpenCV-Python教程（7、Laplacian算子）

Python下opencv使用笔记（七）（图像梯度与边缘检测）

Sobel算子
原型
Sobel算子依然是一种过滤器，只是其是带有方向的。在OpenCV-Python中，使用Sobel的算子的函数原型如下：

dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])
函数返回其处理结果。
前四个是必须的参数：

第一个参数是需要处理的图像；
第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；
dx和dy表示的是求导的阶数，0表示这个方向上没有求导，一般为0、1、2。

其后是可选的参数：

dst不用解释了；
ksize是Sobel算子的大小，必须为1、3、5、7。
scale是缩放导数的比例常数，默认情况下没有伸缩系数；
delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；
borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

import cv2
import numpy as np
from matplotlib import pyplot as pltimg = cv2.imread("D:\\software_my_programming\
\\relate_to_irisrecog\\CASIA-Iris-Lamp\\001\\L\\S2001L01.jpg",0)
#读取图像，0为灰度图像，1为彩色图像x = cv2.Sobel(img,cv2.CV_16S,1,0)
y = cv2.Sobel(img,cv2.CV_16S,0,1)absX = cv2.convertScaleAbs(x)
absY = cv2.convertScaleAbs(y)#转回uint8dst = cv2.addWeighted(absX,0.5,absY,0.5,0)plt.subplot(221),plt.imshow(img,'gray')
plt.subplot(222),plt.imshow(absX,'gray')
plt.subplot(223),plt.imshow(absY,'gray')
plt.subplot(224),plt.imshow(dst,'gray')
plt.show()

在Sobel函数的第二个参数这里使用了cv2.CV_16S。因为OpenCV文档中对Sobel算子的介绍中有这么一句：“in the case of 8-bit input images it will result in truncated derivatives”。即Sobel函数求完导数后会有负值，还有会大于255的值。而原图像是uint8，即8位无符号数，所以Sobel建立的图像位数不够，会有截断。因此要使用16位有符号的数据类型，即cv2.CV_16S。

在经过处理后，别忘了用convertScaleAbs()函数将其转回原来的uint8形式。否则将无法显示图像，而只是一副灰色的窗口。convertScaleAbs()的原型为：

dst = cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])

其中可选参数alpha是伸缩系数，beta是加到结果上的一个值。结果返回uint8类型的图片。
由于Sobel算子是在两个方向计算的，最后还需要用cv2.addWeighted(...)函数将其组合起来。其函数原型为：

dst = cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]])

其中alpha是第一幅图片中元素的权重，beta是第二个的权重，gamma是加到最后结果上的一个值。

laplacian算子

其核模板为：

$\begin{pmatrix} 0 & 1& 0\\ 1 &-4 & 1\\ 0 & 1 &0 \end{pmatrix}$

在OpenCV-Python中，Laplace算子的函数原型如下：

dst = cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])

前两个是必须的参数：

第一个参数是需要处理的图像；
第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；
其后是可选的参数：

dst不用解释了；
ksize是算子的大小，必须为1、3、5、7。默认为1。
scale是缩放导数的比例常数，默认情况下没有伸缩系数；
delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；
borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

以上三种检测算子的一个代码：

import cv2
import numpy as np
from matplotlib import pyplot as pltimg = cv2.imread("D:\\software_my_programming\
\\relate_to_irisrecog\\CASIA-Iris-Lamp\\001\\L\\S2001L01.jpg",0)
#读取图像，0为灰度图像，1为彩色图像sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)#默认ksize=3
sobely = cv2.Sobel(img,cv2.CV_64F,0,1)
sobelxy = cv2.Sobel(img,cv2.CV_64F,1,1)
laplacian = cv2.Laplacian(img,cv2.CV_64F)#默认ksize=3
#人工生成一个高斯核，去和函数生成的比较
kernel = np.array([[0,-1,0],[-1,4,-1],[0,-1,0]],np.float32)#
img1 = np.float64(img)#转化为浮点型的
img_filter = cv2.filter2D(img1,-1,kernel)
sobelxy1 = cv2.Sobel(img1,-1,1,1)#目标图像深度不够plt.figure()
plt.subplot(221),plt.imshow(sobelx,'gray')
plt.subplot(222),plt.imshow(sobely,'gray')
plt.subplot(223),plt.imshow(sobelxy,'gray')
plt.subplot(224),plt.imshow(laplacian,'gray')plt.figure()
plt.imshow(img_filter,'gray')plt.show()

关于canny算子：

canny算子

不完善代码：

import cv2
import numpy as np
from matplotlib import pyplot as pltimg = cv2.imread("D:\\software_my_programming\
\\relate_to_irisrecog\\CASIA-Iris-Lamp\\001\\L\\S2001L01.jpg",0)
#读取图像，0为灰度图像，1为彩色图像edges = cv2.Canny(img,50,90)plt.subplot(121)
plt.imshow(img,'gray')
plt.subplot(122)
plt.imshow(edges,'gray')plt.show()

over！

边缘检测（opencv_python下）相关推荐

OpenCV入门（四）——边缘检测
目录 0x01 梯度算子 0x02 一阶微分算子 0x03 二阶微分算子 0x04 图像差分运算 0x05 非极大值抑制 0x06 基本边缘算子--Sobel 0x07 基本边缘算子--Laplace ...
数据库(DataBase)
MySQL 简介数据库数据库:DataBase,简称 DB,存储和管理数据的仓库数据库的优势: 可以持久化存储数据方便存储和管理数据使用了统一的方式操作数据库 SQL 数据库.数据表.数据的 ...
在CIELab颜色空间下使用八方向Sobel算子实现边缘检测
参考河北师范大学硕士学位论文--基于八方向Sobel算子的边缘检测算法研究. 由于自己实现滤波器运算,计算速度很慢,以后有能力再进行改进. 算子定义如下: 算法思路: 1.将RGB图像转化为CIELa ...
python + pyqt +opencv 有界面，对lable中的图片进行图像旋转，向右平移，向下平移，二值化，灰度，边缘检测
对lable中的图片进行图像旋转,向右平移,向下平移,二值化,灰度,边缘检测要求: 一个界面,具体界面内容自行设计但必须符合以下要求多个操作按钮: 1.图像180°旋转 2.图像向右平移 3.图像 ...
OpenCV环境下Laplace(拉普拉斯)和Roberts基本边缘检测算子的实现代码
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 拉普拉斯算子是最简单的各向同性二阶微分算子,具有 ...
matlab小波变换边缘检测,在matlab 下实现用小波变换对图像进行边缘检测程序代码...
代码如下: clear all; load wbarb; %小波变换边缘提取程序 I = ind2gray(X,map);%检索图转成灰度图 imshow(I); I1 = imadjust(I,st ...
opencv_python答题卡自动判卷
opencv_python答题卡自动判卷设定答题卡模板该图像为答题卡的答题区域,黑色边框是为了能够在各种环境中轻易的检测,左部分和上部分的黑色矩形,是为能够定位到答题选项的坐标而设置,同时题目数量 ...
OpenCV 笔记（02）— 图像显示、保存、腐蚀、模糊、canny 边缘检测（imread、imshow、namedWindow、imwrite）
OpenCV 提供两种用户界面选项: 基于原生用户界面的基本界面,适用于 Mac OS X 的 cocoa 或 carbon,以及适用于 Linux 或 Windows 用户界面的 GTK ,这些界面 ...
Android OpenCV 边缘检测 Canny 的使用
先看下实现的效果图下面看下代码使用 Canny(Mat image, Mat edges, double threshold1, double threshold2, int apertureSiz ...

边缘检测（opencv_python下）

边缘检测（opencv_python下）相关推荐

最新文章

热门文章