OpenCV半小时掌握基本操作之边缘检测

第OpenCV半小时掌握基本操作之边缘检测目录概述Scharr算子Laplacian算子SobelvsScharrvsLaplacianCanny边缘检测高斯滤波器梯度和方向非极大值抑制双阈值检测例子【OpenCV】高手勿入!半小时学会基本操作边缘检测

概述

OpenCV是一个跨平台的计算机视觉库,支持多语言,功能强大.今天小白就带大家一起携手走进OpenCV的世界.(第12课)

Scharr算子

Scharr算子和Sobel算子基本一样.只是卷积核系数不同.Scharr算子对边界更加敏感,也更容易误判.

卷积核参数:

例子:

#Scharr算子

scharr_x=cv2.Scharr(img,cv2.CV_64F,1,0)

scharr_y=cv2.Scharr(img,cv2.CV_64F,0,1)

#取绝对值

scharr_x=cv2.convertScaleAbs(scharr_x)

scharr_y=cv2.convertScaleAbs(scharr_y)

scharr_xy=cv2.addWeighted(scharr_x,0.5,scharr_y,0.5,0)

#展示图片

cv2.imshow("scharr_xy",scharr_xy)

cv2.waitKey(0)

cv2.destroyAllWindows()

输出结果:

Laplacian算子

拉普拉斯算子(Laplacian)是图像二阶空间导数的二维向同性测度.拉普拉斯算子可以突出图像中强度发生快速变化的区域,因此常用在边缘检测任务当中.

在进行Laplacian操作之前通常需要先用高斯平滑滤波器(GaussianBlur)降低Laplacian算子对于噪声的敏感性.

卷积核参数:

例子:

#读取图片,并准换成灰度图

img=cv2.imread("Mona_Lisa.jpg",cv2.IMREAD_GRAYSCALE)

#高斯滤波器(3X3)

img=cv2.GaussianBlur(img,(3,3),sigmaX=0.1)

#Laplacian算子

laplacian=cv2.Laplacian(img,cv2.CV_64F)

#取绝对值

laplacian=cv2.convertScaleAbs(laplacian)

#展示图片

cv2.imshow("laplacian",laplacian)

cv2.waitKey(0)

cv2.destroyAllWindows()

输出结果:

注:Sigma值越小,模板的中心系数就越大,周围的系数较小,平滑的效果就不是很明显.

SobelvsScharrvsLaplacian

Canny边缘检测

Canny边缘检测是非常流行的一种边缘检测算法,由JohnCanny在1986年提出.

步骤:

使用高斯滤波器,平滑图像,消除噪声

计算图像中每个像素点的梯度强度和方向

使用没极大值抑制(Non-MaximumSuppression)消除边缘检测带来的杂散响应

使用双阈值检测(DoubleThreshold)来确定真实和潜在的边缘

通过抑制孤立的弱边缘最终完成边缘检测

高斯滤波器

梯度和方向

非极大值抑制

双阈值检测

例子

#读取图片,并转换成灰度图

img=cv2.imread("Mona_Lisa.jpg",cv2.IMREAD_GRAYSCALE)

#Canny边缘检测

out1=cv2.Canny(img,50,150)

out2=cv2.Canny(img,100,150)

canny=np.hstack((