OpenCV半小時掌握基本操作之圖像梯度
【OpenCV】⚠️高手勿入! 半小時學(xué)會基本操作⚠️圖像梯度
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.jpg")
# 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:
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.jpg")
# 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:
黑帽
黑帽 (Black Hat): 閉運算 - 原始輸入.
例子:
# 讀取圖片
img = cv2.imread("white.jpg")
# 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:
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.jpg")
# 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:
計算 y
代碼:
# 讀取圖片
img = cv2.imread("pie.jpg")
# 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:
計算 x+y
代碼:
# 讀取圖片
img = cv2.imread("pie.jpg")
# 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:
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:
注: 當(dāng) ddepth 設(shè)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(fù)數(shù), 負(fù)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(guān)于OpenCV半小時掌握基本操作之圖像梯度的文章就介紹到這了,更多相關(guān)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(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python判斷一個list中是否包含另一個list全部元素的方法分析
這篇文章主要介紹了Python判斷一個list中是否包含另一個list全部元素的方法,結(jié)合實例形式對比分析了Python針對列表list元素包含關(guān)系的相關(guān)轉(zhuǎn)換、判斷操作技巧,需要的朋友可以參考下2018-12-12
Python實現(xiàn)為Excel中每個單元格計算其在文件中的平均值
這篇文章主要為大家詳細(xì)介紹了如何基于Python語言實現(xiàn)對大量不同的Excel文件加以跨文件、逐單元格平均值計算,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-10-10
python-pptx模塊是Python中用于PPT操作的模塊。本文將利用這一模塊實現(xiàn)創(chuàng)建PPT文件。文中的示例代碼講解詳細(xì)，感興趣的小伙伴可以了解一下2022-05-05
今天小編就為大家分享一篇python生成lmdb格式的文件實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-11-11
python裝飾器在平常的python編程中用到的還是很多的，本篇文章中我們將來介紹一下python中最常使用的@staticmethod裝飾器的使用，感興趣的可以了解一下2022-09-09
這篇文章主要介紹了通過代碼實例了解Python3編程技巧,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-10-10
詳解Django的model查詢操作與查詢性能優(yōu)化
這篇文章主要介紹了詳解Django的model查詢操作與查詢性能優(yōu)化，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-10-10
這篇文章主要介紹了Python3.4解釋器用法,結(jié)合簡單實例形式分析了Windows與Linux系統(tǒng)環(huán)境中Python3.4解釋器的簡單使用方法,需要的朋友可以參考下2019-03-03
簡單了解python filter、map、reduce的區(qū)別
這篇文章主要介紹了簡單了解python filter、map、reduce的區(qū)別,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-01-01
今天小編就為大家分享一篇python 實現(xiàn)交換兩個列表元素的位置示例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-06-06