訂閱
糾錯(cuò)
加入自媒體

OpenCV系列之圖像梯度 | 十八

目標(biāo)

在本章中,我們將學(xué)習(xí):

查找圖像梯度,邊緣等

我們將看到以下函數(shù):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(yùn)算的聯(lián)合運(yùn)算,因此它更抗噪聲。逆可以指定要采用的導(dǎo)數(shù)方向,垂直或水平(分別通過(guò)參數(shù)yorder和xorder)。逆還可以通過(guò)參數(shù)ksize指定內(nèi)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(jié)果。請(qǐng)參閱文檔以了解所使用的內(nèi)核。

2. Laplacian 算子

它計(jì)算了由關(guān)系

給出的圖像的拉普拉斯圖,它是每一階導(dǎo)數(shù)通過(guò)Sobel算子計(jì)算。如果ksize = 1,然后使用以下內(nèi)核用于過(guò)濾:

代碼

下面的代碼顯示了單個(gè)圖表中的所有算子。所有內(nèi)核都是5x5大小。輸出圖像的深度通過(guò)-1得到結(jié)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(gè)圖表中的所有算子。所有內(nèi)核都是5x5大小。輸出圖像的深度通過(guò)-1得到結(jié)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(jié)果:

gradients

一個(gè)重要事項(xiàng)

在我們的最后一個(gè)示例中,輸出數(shù)據(jù)類型為cv.CV_8U或np.uint8。但這有一個(gè)小問(wèn)題。黑色到白色的過(guò)渡被視為正斜率(具有正值),而白色到黑色的過(guò)渡被視為負(fù)斜率(具有負(fù)值)。因此,當(dāng)您將數(shù)據(jù)轉(zhuǎn)換為np.uint8時(shí),所有負(fù)斜率均設(shè)為零。簡(jiǎn)而言之,您會(huì)錯(cuò)過(guò)這一邊緣信息。

如果要檢測(cè)兩個(gè)邊緣,更好的選擇是將輸出數(shù)據(jù)類型保留為更高的形式,例如cv.CV_16S,cv.CV_64F等,取其絕對(duì)值,然后轉(zhuǎn)換回cv.CV_8U。
下面的代碼演示了用于水平Sobel濾波器和結(jié)果差異的此過(guò)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.a(chǎn)bsolute(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(jié)果:

double_edge

不斷更新資源

獲取更多精彩

聲明: 本文由入駐維科號(hào)的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

    掃碼關(guān)注公眾號(hào)
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題:
    *糾錯(cuò)內(nèi)容:
    聯(lián)系郵箱:
    *驗(yàn) 證 碼:

    粵公網(wǎng)安備 44030502002758號(hào)