目录
- sobel 算子
概述
opencv 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 opencv 的世界.
梯度运算
梯度: 膨胀 (dilating) – 腐蚀 (eroding).
例子:
# 读取图片
pie = cv2.imread("pie.png")
# 核
kernel = np.ones((7, 7), np.uint8)
# 计算梯度
gradient = cv2.morphologyex(pie, cv2.morph_gradient, kernel=kernel)
# 图片展示
cv2.imshow("gradient", gradient)
cv2.waitkey(0)
cv2.destroyallwindows()
输出结果:
礼帽
礼帽 (top hat): 原始输入 – 开运算结果.
例子:
# 读取图片
img = cv2.imread("white.png")
# 核
kernel = np.ones((7, 7), np.uint8)
# 礼帽
tophat = cv2.morphologyex(img, cv2.morph_tophat, kernel=kernel)
# 图片展示
cv2.imshow("tophat", tophat)
cv2.waitkey(0)
cv2.destroyallwindows()
输出结果:
黑帽
黑帽 (black hat): 闭运算 – 原始输入.
例子:
# 读取图片
img = cv2.imread("white.png")
# 核
kernel = np.ones((7, 7), np.uint8)
# 礼帽
blackhat = cv2.morphologyex(img, cv2.morph_blackhat, kernel=kernel)
# 图片展示
cv2.imshow("blackhat", blackhat)
cv2.waitkey(0)
cv2.destroyallwindows()
输出结果:
sobel 算子
sobel 算子 (sobeloperator) 是边缘检测中非常重要的一个算子. sobel 算子是一类离散性差分算子, 用来运算图像高亮度函数的灰度之近似值.
格式:
cv2.sobel(src, ddepth, dx, dy, ksize)
参数:
- src: 原图
- ddepth: 图片深度
- dx: 水平方向
- dy: 竖直方向
- ksize: 算子大小
计算 x
代码:
# 读取图片
img = cv2.imread("pie.png")
# sobel算子
sobelx = cv2.sobel(img, -1, 1, 0, ksize=3)
# 展示图片
cv2.imshow("sobelx", sobelx)
cv2.waitkey(0)
cv2.destroyallwindows()
输出结果:
计算 y
代码:
# 读取图片
img = cv2.imread("pie.png")
# sobel算子
sobely = cv2.sobel(img, -1, 0, 1, ksize=3)
# 展示图片
cv2.imshow("sobely", sobely)
cv2.waitkey(0)
cv2.destroyallwindows()
输出结果:
计算 x+y
代码:
# 读取图片
img = cv2.imread("pie.png")
# sobel算子
sobel = cv2.sobel(img, -1, 1, 1, ksize=3)
# 展示图片
cv2.imshow("sobel", sobel)
cv2.waitkey(0)
cv2.destroyallwindows()
输出结果:
融合
代码:
# sobel算子
sobelx = cv2.sobel(img, cv2.cv_64f, 1, 0, ksize=3)
sobely = cv2.sobel(img, cv2.cv_64f, 0, 1, ksize=3)
# 转换成绝对值
sobelx = cv2.convertscaleabs(sobelx)
sobely = cv2.convertscaleabs(sobely)
# 融合
sobel_xy = cv2.addweighted(sobelx, 0.5, sobely, 0.5, 0)
# 展示图片
cv2.imshow("sobel_xy", sobel_xy)
cv2.waitkey(0)
cv2.destroyallwindows()
输出结果:
注: 当 ddepth 设置为 -1, 即与原图保持一致, 得到的结果可能是错误的. 计算梯度值可能出现负数, 负数会自动截断为 0. 为了避免信息丢失, 我们需要使用更高是数据类型 cv2.cv_64f, 再通过取绝对值将其映射到 cv2.cv_8u 类型.
到此这篇关于opencv 图像梯度的实现方法的文章就介绍到这了,更多相关opencv 图像梯度内容请搜索www.887551.com以前的文章或继续浏览下面的相关文章希望大家以后多多支持www.887551.com！