opencv入门到精通——图像梯度

2024-01-08 04:07:58

目录

目标

理论

1. Sobel 和 Scharr 算子

2. Laplacian 算子

代码

一个重要事项


目标

在本章中,我们将学习:

  • 查找图像梯度,边缘等

  • 我们将看到以下函数:cv.Sobel(),cv.Scharr(),cv.Laplacian()等

理论

OpenCV提供三种类型的梯度滤波器或高通滤波器,即Sobel,Scharr和Laplacian。我们将看到他们每一种。

1. Sobel 和 Scharr 算子

Sobel算子是高斯平滑加微分运算的联合运算,因此它更抗噪声。逆可以指定要采用的导数方向,垂直或水平(分别通过参数yorder和xorder)。逆还可以通过参数ksize指定内核的大小。如果ksize = -1,则使用3x3 Scharr滤波器,比3x3 Sobel滤波器具有更好的结果。请参阅文档以了解所使用的内核。

2. Laplacian 算子

它计算了由关系

图片

给出的图像的拉普拉斯图,它是每一阶导数通过Sobel算子计算。如果ksize = 1,然后使用以下内核用于过滤:

图片

代码

下面的代码显示了单个图表中的所有算子。所有内核都是5x5大小。输出图像的深度通过-1得到结果的np.uint8型。

kernel = \begin{bmatrix} 0 & 1 & 0 \ 1 & -4 & 1 \ 0 & 1 & 0 \end{bm下面的代码显示了单个图表中的所有算子。所有内核都是5x5大小。输出图像的深度通过-1得到结果的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()

结果:

图片

gradients

一个重要事项

在我们的最后一个示例中,输出数据类型为cv.CV_8Unp.uint8。但这有一个小问题。黑色到白色的过渡被视为正斜率(具有正值),而白色到黑色的过渡被视为负斜率(具有负值)。因此,当您将数据转换为np.uint8时,所有负斜率均设为零。简而言之,您会错过这一边缘信息。

如果要检测两个边缘,更好的选择是将输出数据类型保留为更高的形式,例如cv.CV_16Scv.CV_64F等,取其绝对值,然后转换回cv.CV_8U
下面的代码演示了用于水平Sobel滤波器和结果差异的此过程。

 

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()

查看以下结果:

图片

文章来源:https://blog.csdn.net/weixin_45303602/article/details/135372428
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。