Opencv实现Sobel算子、Scharr算子、Laplacian算子、Canny检测图像边沿 ...

图像边沿检测


  
1 Sobel算子

---

1.1概念

是一种用于图像处理处罚的算法，主要用于边沿检测。它通过盘算图像亮度的空间梯度来突出显示图像中的边沿。Sobel算子包罗两个核（卷积矩阵），分别用于检测水平边沿和垂直边沿。
1.2 两个卷积矩阵

1.3 函数及参数理解

• cv2.Sobel(图片变量,数据类型,dx=1/0,dy=0/1)，水平/垂直获取轮廓
  
  
  
  • 数据类型为数字-1时，与图片类型雷同，为cv2.CV_64F时，为浮点型有正负
    
  • dx为1时水平获取，dy为1时垂直获取，不能同时为1
    
  
  
• cv2.convertScaleAbs(轮廓变量)，对轮廓变量内的数值绝对值化，使其可以显示出来
  
• cv2.addWeighted(x轮廓变量,1,y轮廓变量,1,0)，组合轮廓变量使其完整
  

1.4 灰度图实际测试

代码展示：

1. import cv2
2. yuan = cv2.imread('yuan.png')
3. cv2.imshow('yuan',yuan)
4. cv2.waitKey(0)
5. yuan_1 = cv2.Sobel(yuan,-1,dx=1,dy=0)
6. yuan_64F = cv2.Sobel(yuan,cv2.CV_64F,dx=1,dy=0)
7. yuan_Abs = cv2.convertScaleAbs(yuan_64F)
8. yuan_1_y = cv2.Sobel(yuan,-1,dx=0,dy=1)
9. yuan_64F_y = cv2.Sobel(yuan,cv2.CV_64F,dx=0,dy=1)
10. yuan_Abs_y = cv2.convertScaleAbs(yuan_64F_y)
11. # 组合
12. yuan_xy = cv2.addWeighted(yuan_Abs,1,yuan_Abs_y,1,0)
13. cv2.imshow('yuan_1',yuan_1)
14. cv2.waitKey(0)
15. cv2.imshow('yuan_64F',yuan_64F)
16. cv2.waitKey(0)
17. cv2.imshow('yuan_Abs',yuan_Abs)
18. cv2.waitKey(0)
19. cv2.imshow('yuan_1_y',yuan_1_y)
20. cv2.waitKey(0)
21. cv2.imshow('yuan_64F_y',yuan_64F_y)
22. cv2.waitKey(0)
23. cv2.imshow('yuan_Abs_y',yuan_Abs_y)
24. cv2.waitKey(0)
25. cv2.imshow('yuan_xy',yuan_xy )
26. cv2.waitKey(0)

复制代码

运行结果：

1.5 BGR图测试

代码展示：

1. import cv2
2. at1 = cv2.imread('at1.png')
3. cv2.imshow('at1',at1)
4. cv2.waitKey(0)
5. at1_64F = cv2.Sobel(at1,cv2.CV_64F,dx=1,dy=0)
6. at1_Abs = cv2.convertScaleAbs(at1_64F)
7. at1_64F_y = cv2.Sobel(at1,cv2.CV_64F,dx=0,dy=1)
8. at1_Abs_y = cv2.convertScaleAbs(at1_64F_y)
10. # 组合
11. at1_xy = cv2.addWeighted(at1_Abs,1,at1_Abs_y,1,0)
12. cv2.imshow('at1_64F',at1_64F)
13. cv2.waitKey(0)
14. cv2.imshow('at1_Abs',at1_Abs)
15. cv2.waitKey(0)
16. cv2.imshow('at1_64F_y',at1_64F_y)
17. cv2.waitKey(0)
18. cv2.imshow('at1_Abs_y',at1_Abs_y)
19. cv2.waitKey(0)
20. cv2.imshow('at1y_xy_sobel',at1_xy )
21. cv2.waitKey(0)

复制代码

运行结果：

2 Scharr算子

---

2.1概念

它是Sobel算子的一种改进版本，专门用于盘算图像的梯度。Scharr算子与Sobel算子的主要区别在于它们的卷积核不同。Scharr算子在处理处罚边沿时比Sobel算子具有更高的精度，但它们在盘算时间和复杂度上是一样的，函数cv2.Scharr(),内涵参数与Sobel算子雷同，同样需要绝对值和组合。
2.2 实际测试

代码展示：

1. import cv2
2. at1 = cv2.imread('at1.png')
3. cv2.imshow('at1',at1)
4. cv2.waitKey(0)
5. at1_64F = cv2.Sobel(at1,cv2.CV_64F,dx=1,dy=0)
6. at1_Abs = cv2.convertScaleAbs(at1_64F)
7. at1_64F_y = cv2.Sobel(at1,cv2.CV_64F,dx=0,dy=1)
8. at1_Abs_y = cv2.convertScaleAbs(at1_64F_y)
9. # # 组合
10. at1_xy = cv2.addWeighted(at1_Abs,1,at1_Abs_y,1,0)
11. cv2.imshow('at1y_xy_sobel',at1_xy )
12. cv2.waitKey(0)
13. # # scharr
14. at1_64F_Scharr = cv2.Scharr(at1,cv2.CV_64F,dx=1,dy=0)
15. at1_Abs_Scharr = cv2.convertScaleAbs(at1_64F_Scharr)
16. at1_64F_y_Scharr = cv2.Scharr(at1,cv2.CV_64F,dx=0,dy=1)
17. at1_Abs_y_Scharr = cv2.convertScaleAbs(at1_64F_y_Scharr)
18. at1_xy_Scharr = cv2.addWeighted(at1_Abs_Scharr,1,at1_Abs_y_Scharr,1,0)
19. cv2.imshow('at1y_xy_Scharr',at1_xy_Scharr)
20. cv2.waitKey(0)

复制代码

运行结果：

3 Laplacian算子

---

3.1概念

是一种用于边沿检测的数学工具。在图像处理处罚中，Laplacian算子通常用于找到图像中的亮度快速变革的区域，这些区域每每对应于图像中的边沿大概物体边界。
   不需要再进行图片组合。
  3.2 函数

• cv2.Laplacian(图片变量,数据类型)
  
• cv2.convertScaleAbs(轮廓变量)
  

3.3 实际测试

代码展示：

1. import cv2
2. yuan = cv2.imread('yuan.png')
3. cv2.imshow('yuan',yuan)
4. cv2.waitKey(0)
5. at1 = cv2.imread('at1.png')
6. cv2.imshow('at1',at1)
7. cv2.waitKey(0)
8. ## Sobel
9. at1_64F = cv2.Sobel(at1,cv2.CV_64F,dx=1,dy=0)
10. at1_Abs = cv2.convertScaleAbs(at1_64F)
11. at1_64F_y = cv2.Sobel(at1,cv2.CV_64F,dx=0,dy=1)
12. at1_Abs_y = cv2.convertScaleAbs(at1_64F_y)
13. # # # 组合
14. at1_xy = cv2.addWeighted(at1_Abs,1,at1_Abs_y,1,0)
15. cv2.imshow('at1y_xy_sobel',at1_xy )
16. cv2.waitKey(0)
17. # # # scharr
18. at1_64F_Scharr = cv2.Scharr(at1,cv2.CV_64F,dx=1,dy=0)
19. at1_Abs_Scharr = cv2.convertScaleAbs(at1_64F_Scharr)
20. at1_64F_y_Scharr = cv2.Scharr(at1,cv2.CV_64F,dx=0,dy=1)
21. at1_Abs_y_Scharr = cv2.convertScaleAbs(at1_64F_y_Scharr)
22. at1_xy_Scharr = cv2.addWeighted(at1_Abs_Scharr,1,at1_Abs_y_Scharr,1,0)
23. cv2.imshow('at1y_xy_Scharr',at1_xy_Scharr)
24. cv2.waitKey(0)
25. # laplacian
26. at1_64F_Laplacian = cv2.Laplacian(at1,cv2.CV_64F)
27. at1_Abs_Laplacian = cv2.convertScaleAbs(at1_64F_Laplacian)
28. cv2.imshow('at1_Abs_Laplacian ',at1_Abs_Laplacian )
29. cv2.waitKey(0)
30. yuan_64F_Laplacian = cv2.Laplacian(yuan,cv2.CV_64F)
31. yuan_Abs_Laplacian = cv2.convertScaleAbs(yuan_64F_Laplacian)
32. cv2.imshow('yuan_Abs_Laplacian ',yuan_Abs_Laplacian )
33. cv2.waitKey(0)

复制代码

运行结果：

4 Canny边沿检测

---

4.1 概念

Canny边沿检测是一种流行的图像处理处罚算法，用于检测图像中的边沿，并被认为是边沿检测中最优的算法之一。
4.2 步调

• 噪声降低：
  
  
  
  • 使用高斯滤波器对图像进行平滑处理处罚，以减少图像中的噪声。高斯滤波器可以有用地降低噪声，同时保持边沿的尖锐度。
    
  
  
• 盘算梯度幅度和方向：
  
  
  
  • 通过盘算图像中每个像素点的梯度幅度和方向，来确定可能的边沿。通常使用Sobel算子来盘算水平和垂直方向的梯度。
    
  
  
• 非极大值抑制：
  
  
  
  • 对梯度幅度进行非极大值抑制，这一步会沿着梯度方向查抄每个像素，只有当该像素的梯度幅度是局部最大值时，才将其保存为边沿候选点，否则将其抑制（即设为0）。
    
  
  
• 双阈值确定边沿：
  
  
  
  • 应用两个阈值（高阈值和低阈值）来确定真实边沿和潜在边沿。梯度幅度高于高阈值的像素被标记为强边沿，梯度幅度低于低阈值的像素被抑制，梯度幅度在两个阈值之间的像素被标记为弱边沿。
    
  
  
• 边沿跟踪和边沿毗连：
  
  
  
  • 最后，通过边沿跟踪和边沿毗连来强化边沿。通常，算法会查抄弱边沿像素是否与强边沿像素相连，如果是，则将其标记为强边沿。这个过程可以确保边沿是一连的。
    
  
  

4.3 优点

Canny边沿检测算法的优点包括：

• 精良的检测效果：Canny算法可以或许检测到图像中的真实边沿，同时抑制噪声。
  
• 边沿定位精度：由于使用了梯度方向，Canny算法可以或许更精确地定位边沿。
  
• 参数可调：通过调解高斯滤波器的大小、阈值等参数，可以适应不同的图像和边沿检测需求。
  

Canny边沿检测算法在盘算机视觉和图像处理处罚领域得到了广泛应用，尤其是在需要精确边沿检测的场所。
4.4 函数及参数理解

• cv2.Canny(图像变量,低阈值,高阈值)，低于低阈值为0，高于高阈值为255
  

4.5 实际测试

代码展示：

1. import cv2
2. at1 = cv2.imread('at1.png')
3. cv2.imshow('at1',at1)
4. cv2.waitKey(0)
5. at1_64F = cv2.Sobel(at1,cv2.CV_64F,dx=1,dy=0)
6. at1_Abs = cv2.convertScaleAbs(at1_64F)
7. at1_64F_y = cv2.Sobel(at1,cv2.CV_64F,dx=0,dy=1)
8. at1_Abs_y = cv2.convertScaleAbs(at1_64F_y)
9. #
10. # # # 组合
11. at1_xy = cv2.addWeighted(at1_Abs,1,at1_Abs_y,1,0)
12. cv2.imshow('at1y_xy_sobel',at1_xy )
13. cv2.waitKey(0)
14. # #
15. # # scharr
16. at1_64F_Scharr = cv2.Scharr(at1,cv2.CV_64F,dx=1,dy=0)
17. at1_Abs_Scharr = cv2.convertScaleAbs(at1_64F_Scharr)
18. at1_64F_y_Scharr = cv2.Scharr(at1,cv2.CV_64F,dx=0,dy=1)
19. at1_Abs_y_Scharr = cv2.convertScaleAbs(at1_64F_y_Scharr)
20. at1_xy_Scharr = cv2.addWeighted(at1_Abs_Scharr,1,at1_Abs_y_Scharr,1,0)
21. cv2.imshow('at1y_xy_Scharr',at1_xy_Scharr)
22. cv2.waitKey(0)
23. # laplacian
24. at1_64F_Laplacian = cv2.Laplacian(at1,cv2.CV_64F)
25. at1_Abs_Laplacian = cv2.convertScaleAbs(at1_64F_Laplacian)
26. cv2.imshow('at1_Abs_Laplacian ',at1_Abs_Laplacian )
27. cv2.waitKey(0)
28. # # canny
29. at1_canny = cv2.Canny(at1,130,255)
30. cv2.imshow('at1_canny',at1_canny )
31. cv2.waitKey(0)

复制代码

运行结果：

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。