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

最新活動更多
推薦專題
- 1 UALink規(guī)范發(fā)布:挑戰(zhàn)英偉達AI統(tǒng)治的開始
- 2 小米YU7新增835公里續(xù)航版,6-7月面市
- 3 昆侖萬維24年營收56億,AI出海商業(yè)化獲重要進展
- 4 “AI寒武紀”爆發(fā)至今,五類新物種登上歷史舞臺
- 5 降薪、加班、裁員三重暴擊,“AI四小龍”已折戟兩家
- 6 光計算迎來商業(yè)化突破,但落地仍需時間
- 7 大模型下半場:Agent時代為何更需要開源模型
- 8 優(yōu)必選:營收大增主靠小件,虧損繼續(xù)又逢關稅,能否乘機器人東風翻身?
- 9 中國“智造”背后的「關鍵力量」
- 10 全球無人駕駛技術排名:誰才是細分賽道的扛把子?