腳本之家服務器常用軟件

快捷導航

OpenCV 圖像梯度的實現(xiàn)方法

更新時間：2021年07月25日 09:03:52 作者：我是小白呀

梯度簡單來說就是求導。本文主要介紹了OpenCV 圖像梯度的實現(xiàn)方法，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

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. 今天小白就帶大家一起攜手走進 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(jié)果:

在這里插入圖片描述

禮帽

禮帽 (Top Hat): 原始輸入 - 開運算結(jié)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(jié)果:

在這里插入圖片描述

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(jié)果:

在這里插入圖片描述

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(shù)的灰度之近似值.

格式:

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

參數(shù):

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(jié)果:

在這里插入圖片描述

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(jié)果:

在這里插入圖片描述

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(jié)果:

在這里插入圖片描述

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(zhuǎn)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(jié)果:

在這里插入圖片描述

注: 當 ddepth 設置為 -1, 即與原圖保持一致, 得到的結(jié)果可能是錯誤的. 計算梯度值可能出現(xiàn)負數(shù), 負數(shù)會自動截斷為 0. 為了避免信息丟失, 我們需要使用更高是數(shù)據(jù)類型 cv2.CV_64F, 再通過取絕對值將其映射到 cv2.CV_8U 類型.

到此這篇關于OpenCV 圖像梯度的實現(xiàn)方法的文章就介紹到這了,更多相關OpenCV 圖像梯度內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: