Python+OpenCV 圖像邊緣檢測四種實現(xiàn)方法
import cv2 as cv import numpy as np import matplotlib.pyplot as plt # 設(shè)置兼容中文 plt.rcParams['font.family'] = ['sans-serif'] plt.rcParams['font.sans-serif'] = ['SimHei']
D:\Anaconda\AZWZ\lib\site-packages\numpy\_distributor_init.py:30: UserWarning: loaded more than 1 DLL from .libs: D:\Anaconda\AZWZ\lib\site-packages\numpy\.libs\libopenblas.NOIJJG62EMASZI6NYURL6JBKM4EVBGM7.gfortran-win_amd64.dll D:\Anaconda\AZWZ\lib\site-packages\numpy\.libs\libopenblas.WCDJNK7YVMPZQ2ME2ZZHJJRJ3JIKNDB7.gfortran-win_amd64.dll warnings.warn("loaded more than 1 DLL from .libs:\n%s" %
horse = cv.imread('img/horse.jpg',0)
plt.imshow(horse,cmap=plt.cm.gray)
plt.imshow(horse,cmap=plt.cm.gray)
1.Sobel算子
# 1,0 代表沿x方向做sobel算子 x = cv.Sobel(horse,cv.CV_16S,1,0) # 0,1 代表沿y方向做sobel算子 y = cv.Sobel(horse,cv.CV_16S,0,1)
# 格式轉(zhuǎn)換 absx = cv.convertScaleAbs(x) absy = cv.convertScaleAbs(y)
# 邊緣檢測結(jié)果 res = cv.addWeighted(absx,0.5,absy,0.5,0)
plt.figure(figsize=(20,20)) plt.subplot(1,2,1) m1 = plt.imshow(horse,cmap=plt.cm.gray) plt.title("原圖") plt.subplot(1,2,2) m2 = plt.imshow(res,cmap=plt.cm.gray) plt.title("Sobel算子邊緣檢測")
Text(0.5, 1.0, 'Sobel算子邊緣檢測')
2.Schaar算子(更能體現(xiàn)細(xì)節(jié))
# 1,0 代表沿x方向做sobel算子 x = cv.Sobel(horse,cv.CV_16S,1,0,ksize=-1) # 0,1 代表沿y方向做sobel算子 y = cv.Sobel(horse,cv.CV_16S,0,1,ksize=-1)
# 格式轉(zhuǎn)換 absx = cv.convertScaleAbs(x) absy = cv.convertScaleAbs(y)
# 邊緣檢測結(jié)果 res = cv.addWeighted(absx,0.5,absy,0.5,0)
plt.figure(figsize=(20,20)) plt.subplot(1,2,1) m1 = plt.imshow(horse,cmap=plt.cm.gray) plt.title("原圖") plt.subplot(1,2,2) m2 = plt.imshow(res,cmap=plt.cm.gray) plt.title("Schaar算子邊緣檢測")
Text(0.5, 1.0, 'Schaar算子邊緣檢測')
3.Laplacian算子(基于零穿越的,二階導(dǎo)數(shù)的0值點(diǎn))
res = cv.Laplacian(horse,cv.CV_16S)
res = cv.convertScaleAbs(res)
plt.figure(figsize=(20,20)) plt.subplot(1,2,1) m1 = plt.imshow(horse,cmap=plt.cm.gray) plt.title("原圖") plt.subplot(1,2,2) m2 = plt.imshow(res,cmap=plt.cm.gray) plt.title("Laplacian算子邊緣檢測")
Text(0.5, 1.0, 'Laplacian算子邊緣檢測')
4.Canny邊緣檢測(被認(rèn)為是最優(yōu)的邊緣檢測算法)
res = cv.Canny(horse,0,100)
# res = cv.convertScaleAbs(res) Canny邊緣檢測是一種二值檢測,不需要轉(zhuǎn)換格式這一個步驟
plt.figure(figsize=(20,20)) plt.subplot(1,2,1) m1 = plt.imshow(horse,cmap=plt.cm.gray) plt.title("原圖") plt.subplot(1,2,2) m2 = plt.imshow(res,cmap=plt.cm.gray) plt.title("Canny邊緣檢測")
Text(0.5, 1.0, 'Canny邊緣檢測')
總結(jié)

以上就是Python+OpenCV 圖像邊緣檢測四種實現(xiàn)方法的詳細(xì)內(nèi)容,更多關(guān)于Python OpenCV圖像邊緣檢測的資料請關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
Python深度學(xué)習(xí)之圖像標(biāo)簽標(biāo)注軟件labelme詳解
這篇文章主要介紹了Python深度學(xué)習(xí)之圖像標(biāo)簽標(biāo)注軟件labelme詳解,文中有非常詳細(xì)的代碼示例,對正在學(xué)習(xí)python的小伙伴們有非常好的幫助,需要的朋友可以參考下2021-04-04TensorFlow自定義模型保存加載和分布式訓(xùn)練
本篇文章將涵蓋 TensorFlow 的高級應(yīng)用,包括如何自定義模型的保存和加載過程,以及如何進(jìn)行分布式訓(xùn)練,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-07-07python目錄操作之python遍歷文件夾后將結(jié)果存儲為xml
需求是獲取服務(wù)器某個目錄下的某些類型的文件,考慮到服務(wù)器即有Linux、又有Windows,所以寫了一個Python小程序來完成這項工作,大家參考使用吧2014-01-01深入理解Python虛擬機(jī)中整型(int)的實現(xiàn)原理及源碼剖析
在本篇文章當(dāng)中主要給大家介紹在 cpython 內(nèi)部是如何實現(xiàn)整型數(shù)據(jù) int 的,主要是分析 int 類型的表示方式,分析 int 類型的巧妙設(shè)計2023-03-03python 圖像增強(qiáng)算法實現(xiàn)詳解
這篇文章主要介紹了python 圖像增強(qiáng)算法實現(xiàn)詳解,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,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-01-01Python 用三行代碼提取PDF表格數(shù)據(jù)
這篇文章主要介紹了Python 用三行代碼提取PDF表格數(shù)據(jù),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,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10