訂閱
糾錯
加入自媒體

OpenCV系列之圖像梯度 | 十八

目標

在本章中,我們將學習:

查找圖像梯度,邊緣等

我們將看到以下函數:cv.Sobel(),cv.Scharr(),cv.Laplacian()等

理論

OpenCV提供三種類型的梯度濾波器或高通濾波器,即Sobel,Scharr和Laplacian。我們將看到他們每一種。

1. Sobel 和 Scharr 算子

Sobel算子是高斯平滑加微分運算的聯(lián)合運算,因此它更抗噪聲。逆可以指定要采用的導數方向,垂直或水平(分別通過參數yorder和xorder)。逆還可以通過參數ksize指定內核的大小。如果ksize = -1,則使用3x3 Scharr濾波器,比3x3 Sobel濾波器具有更好的結果。請參閱文檔以了解所使用的內核。

2. Laplacian 算子

它計算了由關系

給出的圖像的拉普拉斯圖,它是每一階導數通過Sobel算子計算。如果ksize = 1,然后使用以下內核用于過濾:

代碼

下面的代碼顯示了單個圖表中的所有算子。所有內核都是5x5大小。輸出圖像的深度通過-1得到結果的np.uint8型。

kernel = egin{bmatrix} 0 & 1 & 0  1 & -4 & 1  0 & 1 & 0 end{bm下面的代碼顯示了單個圖表中的所有算子。所有內核都是5x5大小。輸出圖像的深度通過-1得到結果的np.uint8型。

import numpy as np

import cv2 as cv

from matplotlib import pyplot as plt

img = cv.imread('dave.jpg',0)

laplacian = cv.Laplacian(img,cv.CV_64F)

sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)

sobely = cv.Sobel(img,cv.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()

結果:

gradients

一個重要事項

在我們的最后一個示例中,輸出數據類型為cv.CV_8U或np.uint8。但這有一個小問題。黑色到白色的過渡被視為正斜率(具有正值),而白色到黑色的過渡被視為負斜率(具有負值)。因此,當您將數據轉換為np.uint8時,所有負斜率均設為零。簡而言之,您會錯過這一邊緣信息。

如果要檢測兩個邊緣,更好的選擇是將輸出數據類型保留為更高的形式,例如cv.CV_16S,cv.CV_64F等,取其絕對值,然后轉換回cv.CV_8U。
下面的代碼演示了用于水平Sobel濾波器和結果差異的此過程。

import numpy as np

import cv2 as cv

from matplotlib import pyplot as plt

img = cv.imread('box.png',0)

# Output dtype = cv.CV_8U

sobelx8u = cv.Sobel(img,cv.CV_8U,1,0,ksize=5)

# Output dtype = cv.CV_64F. Then take its absolute and convert to cv.CV_8U

sobelx64f = cv.Sobel(img,cv.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()

查看以下結果:

double_edge

不斷更新資源

獲取更多精彩

聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權或其他問題,請聯(lián)系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    掃碼關注公眾號
    OFweek人工智能網
    獲取更多精彩內容
    文章糾錯
    x
    *文字標題:
    *糾錯內容:
    聯(lián)系郵箱:
    *驗 證 碼:

    粵公網安備 44030502002758號