• 欢迎访问开心洋葱网站,在线教程,推荐使用最新版火狐浏览器和Chrome浏览器访问本网站,欢迎加入开心洋葱 QQ群
  • 为方便开心洋葱网用户,开心洋葱官网已经开启复制功能!
  • 欢迎访问开心洋葱网站,手机也能访问哦~欢迎加入开心洋葱多维思维学习平台 QQ群
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏开心洋葱吧~~~~~~~~~~~~~!
  • 由于近期流量激增,小站的ECS没能经的起亲们的访问,本站依然没有盈利,如果各位看如果觉着文字不错,还请看官给小站打个赏~~~~~~~~~~~~~!

(Python)从零开始,简单快速学机器仿人视觉Opencv—第十四节:图像梯度

人工智能 Eragonl 2799次浏览 0个评论

事先说明

  图像梯度原理:简单来说就是求导   OpenCV提供了三种不同的梯度滤波器,或者说高通滤波器:Sobel,Scharr和Laplacian。Sobel和Scharr是求一阶或二阶导数。Scharr是对Sobel(使用小的卷积核求解梯度角度时)的优化,Laplacian是求二阶导数。  

任务1:Sobel算子和Scharr算子

  Sobel算子是高斯平滑与微分操作的结合体,它的抗噪音能力很好。可以设定求导的方向(xorder或yorder)。还可以设定使用的卷积核的大小(ksize),如果ksize=-1,会使用3×3的Scharr滤波器,效果会更好,若速度相同,在使用3×3滤波器时尽量使用Scharr。 3×3的Scharr滤波器卷积核如下:   X方向:   -3   0   3 -10   0   10 -3   0   3   Y方向   -3   -10   -3 0   0   0 3   10   3  

任务2:Laplacian算子

  拉普拉斯算子可以使用二阶导数的形式定义,可假设其离散实现类似于二阶Sobel导数,事实上OpenCV在计算拉普拉斯算子时直接调用Sobel算子。   拉普拉斯滤波器使用的卷积核:  
(Python)从零开始,简单快速学机器仿人视觉Opencv---第十四节:图像梯度   示例:用以上三种滤波器对同一幅图像进行操作,卷积核使用为5×5。  

import cv2
import numpy

img = cv2.imread('1024.jpg',0)
laplacian = cv2.Laplacian(img,cv2.CV_64F)
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=5)
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=5)

cv2.imshow('original',img)
cv2.imshow('lap',laplacian)
cv2.imshow('sobelx',sobelx)
cv2.imshow('sobely',sobely)
cv2.waitKey(0)
cv2.destroyAllWindows()

 
在这里插入图片描述  

一个重要的事!

  当我们可以通过参数-1来设定输出图像的深度(数据类型)与原图像保持一致,但是我们在代码中使用的却是cv2.CV_64F。这是为什么?想象一下一个从黑到白的边界的导数是正数,而一个从白到黑的边界的导数却是负数。如果原图像的深度是np.int8时,所有的负值都会被截断变成0。换句话就是把边界丢失掉。   所以如果这两种边界你都想检测到,最好的办法就是将输出的数据类型设置的更高,比如cv2.CV_16S等,取绝对值然后再把它转回到cv2.CV_8U。  

总结

  (本系列每周不定期更新,谢谢大家支持!)


开心洋葱 , 版权所有丨如未注明 , 均为原创丨未经授权请勿修改 , 转载请注明(Python)从零开始,简单快速学机器仿人视觉Opencv—第十四节:图像梯度
喜欢 (0)

您必须 登录 才能发表评论!

加载中……