内容简介:下面的例子,分别用不同尺寸的高斯内核,利用sobel算子/scharr算子计算图像x/y方向的梯度,并将xy方向的梯度简单的混合一下求个近似梯度:laplacian算子内部以sobel算子,在图像的x/y方向求二阶导数来检测边缘部分
Sobel算子在使用高斯平滑的情况下对图像像素进行x/y方向上的微分一阶求导,具有一定的抗噪性。opencv提供的sobel求导函数可以指定求导函数的x/y方向,还可以通过参数ksize指定内核的大小。如果ksize=-1,则使用3x3 Scharr算子,由于使用了不同的高斯内核,其效果优于3x3 Sobel滤波器,求导结果更为精确,梯度更为灵敏。
sobel的高斯内核:
scharr的高斯内核:
下面的例子,分别用不同尺寸的高斯内核,利用sobel算子/scharr算子计算图像x/y方向的梯度,并将xy方向的梯度简单的混合一下求个近似梯度:
def testSobel(): img = cv2.imread('test2.jpg', 0) sobelx_3 = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3) sobely_3 = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3) sobelx_5 = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=5) sobely_5 = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=5) scharrx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=-1) scharry = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=-1) sobelxy_3 = cv2.addWeighted(sobelx_3, 0.5, sobely_3, 0.5, 0) sobelxy_5 = cv2.addWeighted(sobelx_5, 0.5, sobely_5, 0.5, 0) scharrxy = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0) # plt.subplot(121), pltShow(sobelx_3), plt.title("sobelx_3") # plt.subplot(122), pltShow(sobely_3), plt.title("sobely_3") # plt.subplot(121), pltShow(sobelx_5), plt.title("sobelx_5") # plt.subplot(122), pltShow(sobely_5), plt.title("sobely_5") # plt.subplot(121), pltShow(scharrx), plt.title("scharrx") # plt.subplot(122), pltShow(scharry), plt.title("scharry") # plt.subplot(121), pltShow(sobelxy_3), plt.title("sobelxy_3") # plt.subplot(122), pltShow(sobelxy_5), plt.title("sobelxy_5") plt.subplot(121), pltShow(scharrxy), plt.title("scharrxy") plt.subplot(122), pltShow(img), plt.title("origin") plt.show()
2.Laplacian算子
laplacian算子内部以sobel算子,在图像的x/y方向求二阶导数来检测边缘部分
计算公式为:
def testLaplacian(): img = cv2.imread('test2.jpg', 0) laplacian = cv2.Laplacian(img, cv2.CV_64F) plt.subplot(121), pltShow(img), plt.title("origin") plt.subplot(122), pltShow(laplacian), plt.title("laplacian") plt.show()
3. 输出值类型问题
sobel算子输出结果的时候有个问题,图像像素灰度值由低到高的时候,一阶导数为正值,由高到底的时候,则是负值,此时如果输出结果是uint8类型,则负值会被丢弃,丢失掉这部分信息。
这点要注意,如果实在需要uint8的结果,可以用其它字段类型如64f等,得到最终结果后取绝对值转为uint8。
def testOutputType(): img = cv2.imread('box.png', 0) # Output dtype = cv2.CV_8U sobelx8u = cv2.Sobel(img, cv2.CV_8U, 1, 0, ksize=5) # Output dtype = cv2.CV_64F. Then take its absolute and convert to cv2.CV_8U 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()
以上所述就是小编给大家介绍的《Opencv图像处理系列(六)—— 图像梯度》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
C语言的科学和艺术
罗伯茨 / 翁惠玉 / 机械工业出版社 / 2005-3 / 55.00元
《C语言的科学和艺术》是计算机科学的经典教材,介绍了计算机科学的基础知识和程序设计的专门知识。《C语言的科学和艺术》以介绍ANSI C为主线,不仅涵盖C语言的基本知识,而且介绍了软件工程技术以及如何应用良好的程序设计风格进行开发等内容。《C语言的科学和艺术》采用了库函数的方法,强调抽象的原则,详细阐述了库和模块化开发。此外,《C语言的科学和艺术》还利用大量实例讲述解决问题的全过程,对开发过程中常见......一起来看看 《C语言的科学和艺术》 这本书的介绍吧!