opencv 图像梯度
来源:互联网 发布:照片变成视频软件 编辑:程序博客网 时间:2024/05/16 12:23
学习图像梯度,图像边界等
使用到的函数有: cv2.Sobel(), cv2.Schar(), 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: Sobel,Scharr 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。
1、 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,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:
2、 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。计算公式如下:
代码:
import cv2import numpy as np from matplotlib import pyplot as plt img = cv2.imread('image/2.png',0)laplacian = cv2.Laplacian(img, cv2.CV_64F)sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0,ksize=5)sobely = cv2.Sobel(img, cv2.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:
注:可以通过参数 -1 来设定输出图像的深度(数据类型)与原图像保持一致,但是在代码中使用的却是 cv2.CV_64F,这是为什么呢?想象一下一个从黑到白的边界的导数是整数,而一个从白到黑的边界点导数却是负数。如果原图像的深度是np.int8 时,所有的负值都会被截断变成 0,换句话说就是把边界丢失掉。所以如果这两种边界你都想检测到,最好的的办法就是将输出的数据类型设置的更高,比如 cv2.CV_16S, cv2.CV_64F 等。取绝对值然后再把它转回到 cv2.CV_8U。下面的示例演示了输出图片的深度不同造成的不同效果。
import cv2import numpy as np from matplotlib import pyplot as plt img = cv2.imread('image/4.png',0)sobelx8u = cv2.Sobel(img, cv2.CV_8U, 1, 0,ksize=5)sobelx64f = cv2.Sobel(img, cv2.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()
结果图:
参考:opencv官方教程中文版(For Python)
- OpenCV 图像平均梯度
- opencv 图像梯度
- Python-OpenCV图像梯度算子
- opencv python 6 图像梯度
- // OpenCV 计算图像的平均梯度
- python opencv入门 图像梯度(14)
- OpenCV学习笔记13-图像梯度
- OpenCV-图像模糊,梯度、形态学变换
- opencv图像处理梯度边缘和角点
- OpenCV/第5章 图像形态梯度、礼帽、黑帽
- 利用OpenCV的Sobel算子求得图像的梯度信息
- Python+OpenCV学习(4)---图像梯度及边缘检测
- OpenCV 使用方向梯度直方图估计图像旋转角度
- OpenCV-Python—图像梯度和Canny边缘检测
- opencv-python(12):图像梯度(高通滤波)
- 图像梯度
- 梯度图像
- 图像梯度
- 创建函数模板实现求数组中的最小元素
- VS2010 项目引用了项目/DLL文件,也写了Using,但是编译时提示:未能找到类型或命名空间名称
- mysql count if distinct
- Linux top命令
- Android中关于焦点图翻转之自定义控件SlideShowView的图片监听
- opencv 图像梯度
- UITabBar自定义,顶部曲线,中间按钮突出(OC)
- 用python在指定文件的指定行插入指定内容
- 排序算法(对各种排序算法本质、性能的总结)
- leetcode-67 add binary
- [DBNETLIB][ConnectionOpen(Invalid Instance())] 无效的连接 的解决办法
- imageview 绑定图片(变形问题)
- Linux内核分析(八)之调兵遣将
- Python+Selenium练习篇之31-获取页面元素的href属性