边缘检测

边缘检测：边缘检测指的是灰度发生剧烈变化的位置，边缘检测的目的是制作一个线图，在不会损害图像内容的情况下，大大减少图像的数据量，提供对图像数据的合适概述。

Sobel算子

其中Gx表示x方向的Sobel算子，用于检测y方向的边缘； Gy表示y方向的Sobel算子，用于检测x方向的边缘（边缘方向和梯度方向垂直）。

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：

Sobel_x_or_y = cv2.Sobel(src, ddepth, dx, dy, dst, ksize, scale, delta, borderType)
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。

代码

import os
import cv2
import matplotlib.pyplot as pltimg = cv2.imread('./image/lena_50.jpg') # 读取图像
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)    # 转化为灰度图
blur = cv2.GaussianBlur(img_gray, (3, 3), 0) # 高斯滤波处理原图像降噪x = cv2.Sobel(blur, cv2.CV_16S, 1, 0)   # Sobel函数求完导数后会有负值，还有会大于255的值
y = cv2.Sobel(blur, cv2.CV_16S, 0, 1)   # 使用16位有符号的数据类型，即cv2.CV_16S
Scale_absX = cv2.convertScaleAbs(x)  # 转回uint8
Scale_absY = cv2.convertScaleAbs(y)
sobel_image = cv2.addWeighted(Scale_absX, 0.5, Scale_absY, 0.5, 0)
cv2.imshow('lena_50', img)
# cv2.imshow("absX_process", Scale_absX)
# cv2.imshow("absY_process", Scale_absY)
cv2.imshow('sobel_xy_process', sobel_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

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：

结果

原图：
Sobel算子处理后得到图像：

canny算子

流程

Canny边缘检测算法可以分为以下5个步骤：

使用高斯滤波器，以平滑图像，滤除噪声。
计算图像中每个像素点的梯度强度和方向。
应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。
应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。
通过抑制孤立的弱边缘最终完成边缘检测。
具体原理细节可参考：边缘检测之Canny

原型

canny = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])
参数：
第一个参数 处理的原图像，该图像必须为单通道的灰度图；
第二个参数 最小阈值；
第三个参数 最大阈值。

代码

import cv2
import matplotlib.pyplot as pltimg = cv2.imread('./image/lena_50.jpg') # 读取图像img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)    # 转化为灰度图
blur = cv2.GaussianBlur(img_gray, (3, 3), 0) # 高斯滤波处理原图像降噪canny_image = cv2.Canny(blur, 50, 150)
cv2.imwrite('./image/canny_image.jpg', canny_image)
cv2.imshow('lena_50', img)
cv2.imshow('canny_process', canny_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果

原图：

Sobel算子处理后得到图像：

【图像处理】canny和sobel边缘检测__python-opencv相关推荐

图像处理——Canny算子图像边缘检测：Canny算子、Prewitt算子和sobel算子
https://blog.csdn.net/fengye2two/article/details/79190759 https://www.jianshu.com/p/bed4ffe996a1
图像处理3：Sobel边缘检测
前言软件版本 vivado :2020.1 Quartus :17.1 正文边缘检测需要用到的IP核在两款软件中是不一样的因此,下面分别在两款软件中进行实现一.在vivado中实现 1.算法流 ...
【图像处理】——Python图像分割边缘检测算法之一阶梯度算子（Roberts、Prewitt、Sobel、 Kirsch、Canny算子）
目录前言一.边缘检测算法 1.一阶算子 2.二阶算子二.一阶算子原图像lena 1.Roberts算子不同方向的算子模板梯度的计算系统代码: 自定义函数代码结果 2.Prewitt 不 ...
【OpenCV入门教程之十二】OpenCV边缘检测：Canny算子,Sobel算子,Laplace算子,Scharr滤波器合辑
本系列文章由@浅墨_毛星云出品,转载请注明出处. 文章链接: http://blog.csdn.net/poem_qianmo/article/details/25560901 作者:毛星云(浅墨) ...
OpenCV探索之路（五）：图像变换——边缘检测（canny、sobel、laplacian）
前言边缘检测的一般步骤: 滤波--消除噪声增强--使边界轮廓更加明显检测--选出边缘点一.Canny算法 Canny边缘检测算法被很多人推崇为当今最优秀的边缘检测算法,所以我们第一个就介绍他. ...
[图像处理]-Canny边缘检测算法
1.问题描述在处理图像时,有时我们需要图像的边界或通过边界得到一定的信息,如何有效而准确的找到这些边界并显示出来就了一个问题,而Canny算法则可以很好的解决它. 2.简述Canny算法 Canny ...
Opencv 笔记5 边缘处理-canny、sobel、Laplacian、Prewitt
一.边缘检测概述边缘检测是计算视觉中的基本问题,边缘检测的目的是标识图像中亮度变换明显的点.边缘检测大幅度的减少了图像的数据量(分为两种:灰度图像边缘检测和彩色图像边缘检测),并且剔除了不相关的信息 ...
图像处理2：图像边缘检测（python+opencv）
边缘的定义及分类 1.梯度滤波器 OpenCV 提供了三种不同的梯度滤波器,或者说高通滤波器:Sobel, Scharr 和 Laplacian.Sobel,Scharr 其实就是求一阶或二阶导数.S ...
OpenCV Sobel 边缘检测
Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好,sobel算子对边缘定位不是很准确,图像的边缘不止一个像素:当对精度要求不是很高时,是一种较为常用的边缘检测方法. OpenCV中sobe ...
OpenCV入门系列 —— Sobel边缘检测
OpenCV入门系列 -- Sobel边缘检测前言程序说明输出结果代码示例总结前言随着工业自动化.智能化的不断推进,机器视觉(2D/3D)在工业领域的应用和重要程度也同步激增(识别.定位 ...

【图像处理】canny和sobel边缘检测__python-opencv

边缘检测

Sobel算子

原型

代码

结果

canny算子

流程

原型

代码

结果

【图像处理】canny和sobel边缘检测__python-opencv相关推荐

最新文章

热门文章