OpenCV-Python图像梯度

在本教程中:

理论

OpenCv 提供三种类型的梯度滤波器或高通滤波器,Sobel、Scharr 和 Laplacian。我们会逐步介绍。

1、Sobel 和 Scharr 微分

Sobel 算子是一种联合高斯平滑加微分运算,因此对噪声的抵抗能力更强。可以指定要计算的导数的方向,垂直或水平(分别由参数、Yorder 和 Xorder 指定)。还可以通过参数 ksize 指定内核的大小。如果 ksize=-1,则使用 3×3 Scharr 滤波器,这比 3×3 Sobel 滤波器效果更好。请参阅所用内核的文档。

2、Laplacian 微分

它计算由关系式

\Delta src = \frac{\partial ^2{src}}{\partial x^2} + \frac{\partial ^2{src}}{\partial y^2}

给出的图像的拉普拉斯式,其中使用 Sobel 微分计算每个导数。如果 ksize=1,则使用以下内核进行筛选:
kernel = \begin{bmatrix} 0&1&0\\1&-4&1\\0&1&0 \end{bmatrix}

代码

下面的代码显示了一个完整的梯度计算流程中的所有操作。所有的内核都是 5×5 大小。输出图像的深度在参数传入-1时得到 np.uint8 类型的结果。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('dave.jpg',0)
laplacian = cv.Laplacian(img,cv.CV_64F)
sobelx = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
sobely = cv.Sobel(img,cv.CV_64F,0,1,ksize=5)
plt.subplot(2,2,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,2),plt.imshow(laplacian,cmap = 'gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx,cmap = 'gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely,cmap = 'gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])
plt.show()

结果:

Laplacian 微分

一件重要的事!

在上一个示例中,输出数据类型是 cv.CV_8U或 np.uint8。但这有一个小问题。黑白过渡为正斜率(有正值),而白黑过渡为负斜率(有负值)。所以当你把数据转换成 np.uint8 时,所有的负斜率都变成零。简单来说,你失去了边缘。

如果要检测两条边,更好的选择是将输出数据类型保留为更高的格式,如 cv.CV_16S、cv.CV_64F 等,取其绝对值,然后转换回 cv.CV_8U。下面的代码演示了水平 Sobel滤波器的过程以及结果差异。

下面是代码:

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('box.png',0)
# Output dtype = cv.CV_8U
sobelx8u = cv.Sobel(img,cv.CV_8U,1,0,ksize=5)
# Output dtype = cv.CV_64F. Then take its absolute and convert to cv.CV_8U
sobelx64f = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
abs_sobel64f = np.absolute(sobelx64f)
sobel_8u = np.uint8(abs_sobel64f)
plt.subplot(1,3,1),plt.imshow(img,cmap = 'gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(1,3,2),plt.imshow(sobelx8u,cmap = 'gray')
plt.title('Sobel CV_8U'), plt.xticks([]), plt.yticks([])
plt.subplot(1,3,3),plt.imshow(sobel_8u,cmap = 'gray')
plt.title('Sobel abs(CV_64F)'), plt.xticks([]), plt.yticks([])
plt.show()

结果为:

OpenCV-Python图像梯度

赞(1)
未经允许不得转载:极客笔记 » OpenCV-Python图像梯度
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址