OpenCV 圖像梯度的實現方法
概述
OpenCV 是一個跨平臺的計算機視覺庫, 支持多語言, 功能強大. 今天小白就帶大傢一起攜手走進 OpenCV 的世界.
梯度運算
梯度: 膨脹 (Dilating) – 腐蝕 (Eroding).
例子:
# 讀取圖片 pie = cv2.imread("pie.png") # 核 kernel = np.ones((7, 7), np.uint8) # 計算梯度 gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel=kernel) # 圖片展示 cv2.imshow("gradient", gradient) cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果:
禮帽
禮帽 (Top Hat): 原始輸入 – 開運算結果.
例子:
# 讀取圖片 img = cv2.imread("white.png") # 核 kernel = np.ones((7, 7), np.uint8) # 禮帽 tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel=kernel) # 圖片展示 cv2.imshow("tophat", tophat) cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果:
黑帽
黑帽 (Black Hat): 閉運算 – 原始輸入.
例子:
# 讀取圖片 img = cv2.imread("white.png") # 核 kernel = np.ones((7, 7), np.uint8) # 禮帽 blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel=kernel) # 圖片展示 cv2.imshow("blackhat", blackhat) cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果:
Sobel 算子
Sobel 算子 (Sobeloperator) 是邊緣檢測中非常重要的一個算子. Sobel 算子是一類離散性差分算子, 用來運算圖像高亮度函數的灰度之近似值.
格式:
cv2.Sobel(src, ddepth, dx, dy, ksize)
參數:
- src: 原圖
- ddepth: 圖片深度
- dx: 水平方向
- dy: 豎直方向
- ksize: 算子大小
計算 x
代碼:
# 讀取圖片 img = cv2.imread("pie.png") # Sobel算子 sobelx = cv2.Sobel(img, -1, 1, 0, ksize=3) # 展示圖片 cv2.imshow("sobelx", sobelx) cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果:
計算 y
代碼:
# 讀取圖片 img = cv2.imread("pie.png") # Sobel算子 sobely = cv2.Sobel(img, -1, 0, 1, ksize=3) # 展示圖片 cv2.imshow("sobely", sobely) cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果:
計算 x+y
代碼:
# 讀取圖片 img = cv2.imread("pie.png") # Sobel算子 sobel = cv2.Sobel(img, -1, 1, 1, ksize=3) # 展示圖片 cv2.imshow("sobel", sobel) cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果:
融合
代碼:
# 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) # 轉換成絕對值 sobelx = cv2.convertScaleAbs(sobelx) sobely = cv2.convertScaleAbs(sobely) # 融合 sobel_xy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0) # 展示圖片 cv2.imshow("sobel_xy", sobel_xy) cv2.waitKey(0) cv2.destroyAllWindows()
輸出結果:
註: 當 ddepth 設置為 -1, 即與原圖保持一致, 得到的結果可能是錯誤的. 計算梯度值可能出現負數, 負數會自動截斷為 0. 為瞭避免信息丟失, 我們需要使用更高是數據類型 cv2.CV_64F, 再通過取絕對值將其映射到 cv2.CV_8U 類型.
到此這篇關於OpenCV 圖像梯度的實現方法的文章就介紹到這瞭,更多相關OpenCV 圖像梯度內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- python中的opencv 圖像梯度
- OpenCV-Python實現通用形態學函數
- opencv python簡易文檔之圖像處理算法
- Python常用圖像形態學操作詳解
- OpenCV學習之圖像形態學處理詳解