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:

在這裡插入圖片描述

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:

在這裡插入圖片描述

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:

在這裡插入圖片描述

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:

在這裡插入圖片描述

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:

在這裡插入圖片描述

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:

在這裡插入圖片描述

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:

在這裡插入圖片描述

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: