OpenCV|OpenCV 图像梯度的实现方法 OpenCV图像梯度的实现方法

概述
梯度运算
礼帽
黑帽
Sobel 算子

计算 x
计算 y
计算 x+y
融合

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.

梯度运算梯度: 膨胀 (Dilating) - 腐蚀 (Eroding).
例子:

# 读取图片pie = cv2.imread("pie.png")# 核kernel = np.ones((7, 7), np.uint8)# 计算梯度gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel=kernel)# 图片展示cv2.imshow("gradient", gradient)cv2.waitKey(0)cv2.destroyAllWindows()

输出结果:

文章图片

礼帽礼帽 (Top Hat): 原始输入 - 开运算结果.
例子:

# 读取图片img = cv2.imread("white.png")# 核kernel = np.ones((7, 7), np.uint8)# 礼帽tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel=kernel)# 图片展示cv2.imshow("tophat", tophat)cv2.waitKey(0)cv2.destroyAllWindows()

输出结果:

文章图片

黑帽黑帽 (Black Hat): 闭运算 - 原始输入.
例子:

# 读取图片img = cv2.imread("white.png")# 核kernel = np.ones((7, 7), np.uint8)# 礼帽blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel=kernel)# 图片展示cv2.imshow("blackhat", blackhat)cv2.waitKey(0)cv2.destroyAllWindows()

输出结果:

文章图片

Sobel 算子 Sobel 算子 (Sobeloperator) 是边缘检测中非常重要的一个算子. Sobel 算子是一类离散性差分算子, 用来运算图像高亮度函数的灰度之近似值.
格式:

cv2.Sobel(src, ddepth, dx, dy, ksize)

参数:

src: 原图
ddepth: 图片深度
dx: 水平方向
dy: 竖直方向
ksize: 算子大小

计算 x
代码:

# 读取图片img = cv2.imread("pie.png")# Sobel算子sobelx = cv2.Sobel(img, -1, 1, 0, ksize=3)# 展示图片cv2.imshow("sobelx", sobelx)cv2.waitKey(0)cv2.destroyAllWindows()

输出结果:

文章图片

计算 y
代码:

# 读取图片img = cv2.imread("pie.png")# Sobel算子sobely = cv2.Sobel(img, -1, 0, 1, ksize=3)# 展示图片cv2.imshow("sobely", sobely)cv2.waitKey(0)cv2.destroyAllWindows()

输出结果:

文章图片

计算 x+y
代码:

# 读取图片img = cv2.imread("pie.png")# Sobel算子sobel = cv2.Sobel(img, -1, 1, 1, ksize=3)# 展示图片cv2.imshow("sobel", sobel)cv2.waitKey(0)cv2.destroyAllWindows()

输出结果:

文章图片

融合
代码:

# 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)# 转换成绝对值sobelx = cv2.convertScaleAbs(sobelx)sobely = cv2.convertScaleAbs(sobely)# 融合sobel_xy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)# 展示图片cv2.imshow("sobel_xy", sobel_xy)cv2.waitKey(0)cv2.destroyAllWindows()

输出结果:

文章图片

注: 当 ddepth 设置为 -1, 即与原图保持一致, 得到的结果可能是错误的. 计算梯度值可能出现负数, 负数会自动截断为 0. 为了避免信息丢失, 我们需要使用更高是数据类型 cv2.CV_64F, 再通过取绝对值将其映射到 cv2.CV_8U 类型.
【OpenCV|OpenCV 图像梯度的实现方法】到此这篇关于OpenCV 图像梯度的实现方法的文章就介绍到这了,更多相关OpenCV 图像梯度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！