脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → OpenCV边缘检测

OpenCV半小时掌握基本操作之边缘检测

 更新时间：2021年09月01日 15:29:38   作者：我是小白呀  
这篇文章主要介绍了OpenCV基本操作之边缘检测，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下

【OpenCV】⚠️高手勿入! 半小时学会基本操作⚠️ 边缘检测

概述

OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界. (第 12 课)

在这里插入图片描述

Scharr 算子

Scharr 算子和 Sobel 算子基本一样. 只是卷积核系数不同. Scharr 算子对边界更加敏感, 也更容易误判.

卷积核参数:

在这里插入图片描述

例子:

# Scharr 算子
scharr_x = cv2.Scharr(img, cv2.CV_64F, 1, 0)
scharr_y = cv2.Scharr(img, cv2.CV_64F, 0, 1)

# 取绝对值
scharr_x = cv2.convertScaleAbs(scharr_x)
scharr_y = cv2.convertScaleAbs(scharr_y)

# 融合
scharr_xy = cv2.addWeighted(scharr_x, 0.5, scharr_y, 0.5, 0)

# 展示图片
cv2.imshow("scharr_xy", scharr_xy)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果:

在这里插入图片描述

Laplacian 算子

拉普拉斯算子 (Laplacian) 是图像二阶空间导数的二维向同性测度. 拉普拉斯算子可以突出图像中强度发生快速变化的区域, 因此常用在边缘检测任务当中.

在这里插入图片描述

在进行 Laplacian 操作之前通常需要先用高斯平滑滤波器 (Gaussian Blur) 降低 Laplacian 算子对于噪声的敏感性.

卷积核参数:

在这里插入图片描述

例子:

# 读取图片, 并准换成灰度图
img = cv2.imread("Mona_Lisa.jpg", cv2.IMREAD_GRAYSCALE)

# 高斯滤波器 (3 X 3)
img = cv2.GaussianBlur(img, (3, 3), sigmaX=0.1)

# Laplacian 算子
laplacian = cv2.Laplacian(img, cv2.CV_64F)

# 取绝对值
laplacian = cv2.convertScaleAbs(laplacian)

# 展示图片
cv2.imshow("laplacian", laplacian)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果:

在这里插入图片描述

注: Sigma 值越小, 模板的中心系数就越大, 周围的系数较小, 平滑的效果就不是很明显.

Sobel vs Scharr vs Laplacian

在这里插入图片描述

Canny 边缘检测

Canny 边缘检测是非常流行的一种边缘检测算法, 由 John Canny 在 1986 年提出.

步骤:

  1. 使用高斯滤波器, 平滑图像, 消除噪声
  2. 计算图像中每个像素点的梯度强度和方向
  3. 使用没极大值抑制 (Non-Maximum Suppression) 消除边缘检测带来的杂散响应
  4. 使用双阈值检测 (Double Threshold) 来确定真实和潜在的边缘
  5. 通过抑制孤立的弱边缘最终完成边缘检测

高斯滤波器

在这里插入图片描述

梯度和方向

在这里插入图片描述

非极大值抑制

在这里插入图片描述

在这里插入图片描述

双阈值检测

在这里插入图片描述

例子

# 读取图片, 并转换成灰度图
img = cv2.imread("Mona_Lisa.jpg", cv2.IMREAD_GRAYSCALE)

# Canny边缘检测
out1 = cv2.Canny(img, 50, 150)
out2 = cv2.Canny(img, 100, 150)

# 合并
canny = np.hstack((out1, out2))

# 展示图片
cv2.imshow("canny", canny)
cv2.waitKey(0)
cv2.destroyAllWindows()

输出结果:

在这里插入图片描述

到此这篇关于OpenCV半小时掌握基本操作之边缘检测的文章就介绍到这了,更多相关OpenCV边缘检测内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • Python中最常用的操作列表的几种方法归纳

    Python中最常用的操作列表的几种方法归纳

    这篇文章主要介绍了Python中最常用的操作列表的几种方法归纳,列表的方法是Python学习中最基本的知识,需要的朋友可以参考下
    2015-04-04
  • python实现鸢尾花三种聚类算法（K-means,AGNES,DBScan）

    python实现鸢尾花三种聚类算法（K-means,AGNES,DBScan）

    这篇文章主要介绍了python实现鸢尾花三种聚类算法（K-means,AGNES,DBScan），文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2019-06-06
  • 使用Python对Excel进行读写操作

    使用Python对Excel进行读写操作

    学习Python的过程中，我们会遇到Excel的读写问题。这时，我们可以使用xlwt模块将数据写入Excel表格中，使用xlrd模块从Excel中读取数据。下面我们介绍如何实现使用Python对Excel进行读写操作。
    2017-03-03
  • python利用os模块编写文件复制功能——copy()函数用法

    python利用os模块编写文件复制功能——copy()函数用法

    这篇文章主要介绍了python利用os模块编写文件复制功能——copy()函数用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-07-07
  • python 两个一样的字符串用==结果为false问题的解决

    python 两个一样的字符串用==结果为false问题的解决

    这篇文章主要介绍了python 两个一样的字符串用==结果为false问题的解决，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-03-03
  • Python3 字典dictionary入门基础附实例

    Python3 字典dictionary入门基础附实例

    Python字典是另一种可变容器模型，且可存储任意类型对象，如字符串、数字、元组等其他容器模型，字典由键和对应值成对组成，字典也被称作关联数组或哈希表
    2020-02-02
  • Python使用matplotlib实现的图像读取、切割裁剪功能示例

    Python使用matplotlib实现的图像读取、切割裁剪功能示例

    这篇文章主要介绍了Python使用matplotlib实现的图像读取、切割裁剪功能,结合实例形式分析了Python基于matplotlib操作图片的加载、读取、坐标控制及裁剪相关操作技巧,需要的朋友可以参考下
    2018-04-04
  • Form表单及django的form表单的补充

    Form表单及django的form表单的补充

    这篇文章主要介绍了Form表单及django的form表单的补充,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-07-07
  • 利用Python 实现分布式计算

    利用Python 实现分布式计算

    这篇文章主要介绍了利用Python 实现分布式计算，文章通过借助于 Ray展开对分布式计算的实现，感兴趣的小伙伴可以参考一下
    2022-05-05
  • Python网络爬虫与信息提取(实例讲解)

    Python网络爬虫与信息提取(实例讲解)

    下面小编就为大家带来一篇Python网络爬虫与信息提取(实例讲解)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2017-08-08

最新评论