腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

OpenCV半小時(shí)掌握基本操作之圖像梯度

更新時(shí)間：2021年09月01日 15:42:26 作者：我是小白呀

這篇文章主要介紹了OpenCV基本操作之圖像梯度，本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下

概述

OpenCV 是一個(gè)跨平臺(tái)的計(jì)算機(jī)視覺庫, 支持多語言, 功能強(qiáng)大. 今天小白就帶大家一起攜手走進(jìn) OpenCV 的世界.

在這里插入圖片描述

梯度運(yùn)算

梯度: 膨脹 (Dilating) - 腐蝕 (Eroding).

在這里插入圖片描述

例子:

# 讀取圖片
pie = cv2.imread("pie.jpg")

# 核
kernel = np.ones((7, 7), np.uint8)

# 計(jì)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(yùn)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:

在這里插入圖片描述

黑帽

黑帽 (Black Hat): 閉運(yùn)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:

在這里插入圖片描述

Sobel 算子

Sobel 算子 (Sobeloperator) 是邊緣檢測(cè)中非常重要的一個(gè)算子. Sobel 算子是一類離散性差分算子, 用來運(yùn)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(jì)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:

在這里插入圖片描述

計(jì)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:

在這里插入圖片描述

計(jì)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:

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(duì)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(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(cuò)誤的. 計(jì)算梯度值可能出現(xiàn)負(fù)數(shù), 負(fù)數(shù)會(huì)自動(dòng)截?cái)酁?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(duì)值將其映射到 cv2.CV_8U 類型.

到此這篇關(guān)于OpenCV半小時(shí)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(qǐng)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！

您可能感興趣的文章: