慢慢来建站公司,南京百度小程序开发,建筑二级建造师培训机构,手机制作h5最常用软件Python-OpenCV中的图像处理-图像梯度 图像梯度Sobel 算子和 Scharr 算子Laplacian 算子 图像梯度
图像梯度#xff0c;图像边界等使用到的函数有#xff1a; cv2.Sobel()#xff0c; cv2.Scharr()#xff0c; cv2.Laplacian() 等原理#xff1a;梯度简单来说就是求导。Op… Python-OpenCV中的图像处理-图像梯度 图像梯度Sobel 算子和 Scharr 算子Laplacian 算子 图像梯度
图像梯度图像边界等使用到的函数有 cv2.Sobel() cv2.Scharr() cv2.Laplacian() 等原理梯度简单来说就是求导。OpenCV 提供了三种不同的梯度滤波器或者说高通滤波器 SobelScharr 和 Laplacian。Sobel Scharr 其实就是求一阶或二阶导数。 Scharr 是对 Sobel使用小的卷积核求解求解梯度角度时的优化。 Laplacian 是求二阶导数。
Sobel 算子和 Scharr 算子
Sobel 算子是高斯平滑与微分操作的结合体所以它的抗噪声能力很好。你可以设定求导的方向 xorder 或 yorder。还可以设定使用的卷积核的大小 ksize。如果 ksize-1会使用 3x3 的 Scharr 滤波器它的的效果要比 3x3 的 Sobel 滤波器好而且速度相同所以在使用 3x3 滤波器时应该尽量使用 Scharr 滤波器。 3x3 的 Scharr 滤波器卷积核如下 X 方向 [ − 3 0 3 − 10 0 10 − 3 0 3 ] , Y 方向 [ − 3 − 10 − 3 0 0 0 3 10 3 ] X方向\left[ \begin{matrix} -303\\-10010\\-303 \end{matrix}\right],Y方向\left[ \begin{matrix} -3-10-3\\000\\3103\end{matrix}\right] X方向 −3−10−30003103 ,Y方向 −303−10010−303
Laplacian 算子
拉普拉斯算子可以使用二阶导数的形式定义可假设其离散实现类似于二阶 Sobel 导数事实上 OpenCV 在计算拉普拉斯算子时直接调用 Sobel 算子。 拉普拉斯滤波器使用的卷积核 k e r n e l [ 0 1 0 1 − 4 1 0 1 0 ] kernel\left[ \begin{matrix} 010\\1-41\\010\end{matrix}\right] kernel 0101−41010
import numpy as np
import cv2
from matplotlib import pyplot as pltimg cv2.imread(./resource/opencv/image/sudoku.png, cv2.IMREAD_GRAYSCALE)# 拉普拉斯 cv2.CV_64F 输出图像的深度数据类型可以使用-1, 与原图像保持一致 np.uint8
laplacian cv2.Laplacian(img, cv2.CV_64F, ksize3)
laplacian cv2.convertScaleAbs(laplacian) # 索贝尔 X方向, 参数 1,0 为只在 x 方向求一阶导数最大可以求 2 阶导数
sobelx cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize5)
sobelx cv2.convertScaleAbs(sobelx)# 索贝尔 Y方向, 参数 0,1 为只在 y 方向求一阶导数最大可以求 2 阶导数
sobely cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize5)
sobely cv2.convertScaleAbs(sobely)# Scharr X方向,
scharrx cv2.Scharr(img, cv2.CV_64F, 1, 0)
scharrx cv2.convertScaleAbs(scharrx)# Scharr Y方向,
scharry cv2.Scharr(img, cv2.CV_64F, 0, 1)
scharry cv2.convertScaleAbs(scharry)plt.subplot(321), plt.imshow(img, cmapgray), plt.title(Origin), plt.xticks([]), plt.yticks([])
plt.subplot(322), plt.imshow(laplacian, cmapgray), plt.title(Laplacian), plt.xticks([]), plt.yticks([])
plt.subplot(323), plt.imshow(sobelx, cmapgray), plt.title(Sobel X), plt.xticks([]), plt.yticks([])
plt.subplot(324), plt.imshow(sobely, cmapgray), plt.title(Sobel Y), plt.xticks([]), plt.yticks([])
plt.subplot(325), plt.imshow(scharrx, cmapgray), plt.title(Scharr X), plt.xticks([]), plt.yticks([])
plt.subplot(326), plt.imshow(scharry, cmapgray), plt.title(Scharr Y), plt.xticks([]), plt.yticks([])
plt.show() import numpy as np
import cv2
from matplotlib import pyplot as pltimg cv2.imread(./resource/opencv/image/box2.png)# output dtype cv2.CV_8U
sobelx8u cv2.Sobel(img, cv2.CV_8U, 1,0, ksize5)# 也可以将参数设置为-1
sobelx8u_n cv2.Sobel(img, -1, 1, 0, ksize5)# output dtype cv2.CV64F,
sobelx64f cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize5)
abs_sobel64f np.absolute(sobelx64f)
sobel_8u np.uint8(abs_sobel64f)# Scharr X方向
scharrx cv2.Scharr(img,cv2.CV_64F,1,0)# Scharr Y方向
scharry cv2.Scharr(img,cv2.CV_64F,0,1)plt.subplot(2,3,1), plt.imshow(img, cmapgray), plt.title(original), plt.xticks([]), plt.yticks([])
plt.subplot(2,3,2), plt.imshow(sobelx8u, cmapgray), plt.title(Sobel CV_8U), plt.xticks([]), plt.yticks([])
plt.subplot(2,3,3), plt.imshow(sobel_8u, cmapgray), plt.title(Sobel abs(CV_64F)), plt.xticks([]), plt.yticks([])
plt.subplot(2,3,4), plt.imshow(scharrx, cmapgray), plt.title(Scharr X), plt.xticks([]), plt.yticks([])
plt.subplot(2,3,5), plt.imshow(scharry, cmapgray), plt.title(Scharr Y), plt.xticks([]), plt.yticks([])
plt.show()
