OpenCV半小时掌握基本操作之图像梯度
【OpenCV】⚠️高手勿入! 半小时学会基本操作⚠️图像梯度
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.

梯度运算
梯度: 膨胀 (Dilating) - 腐蚀 (Eroding).

例子:
# 读取图片
pie = cv2.imread("pie.jpg")
# 核
kernel = np.ones((7, 7), np.uint8)
# 计算梯度
gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel=kernel)
# 图片展示
cv2.imshow("gradient", gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:

礼帽
礼帽 (Top Hat): 原始输入 - 开运算结果.
例子:
# 读取图片
img = cv2.imread("white.jpg")
# 核
kernel = np.ones((7, 7), np.uint8)
# 礼帽
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel=kernel)
# 图片展示
cv2.imshow("tophat", tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:

黑帽
黑帽 (Black Hat): 闭运算 - 原始输入.
例子:
# 读取图片
img = cv2.imread("white.jpg")
# 核
kernel = np.ones((7, 7), np.uint8)
# 礼帽
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel=kernel)
# 图片展示
cv2.imshow("blackhat", blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:

Sobel 算子
Sobel 算子 (Sobeloperator) 是边缘检测中非常重要的一个算子. Sobel 算子是一类离散性差分算子, 用来运算图像高亮度函数的灰度之近似值.
格式:
cv2.Sobel(src, ddepth, dx, dy, ksize)
参数:
src: 原图
ddepth: 图片深度
dx: 水平方向
dy: 竖直方向
ksize: 算子大小
计算 x
代码:
# 读取图片
img = cv2.imread("pie.jpg")
# Sobel算子
sobelx = cv2.Sobel(img, -1, 1, 0, ksize=3)
# 展示图片
cv2.imshow("sobelx", sobelx)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:

计算 y
代码:
# 读取图片
img = cv2.imread("pie.jpg")
# Sobel算子
sobely = cv2.Sobel(img, -1, 0, 1, ksize=3)
# 展示图片
cv2.imshow("sobely", sobely)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:

计算 x+y
代码:
# 读取图片
img = cv2.imread("pie.jpg")
# Sobel算子
sobel = cv2.Sobel(img, -1, 1, 1, ksize=3)
# 展示图片
cv2.imshow("sobel", sobel)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:

融合
代码:
# 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)
# 转换成绝对值
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.convertScaleAbs(sobely)
# 融合
sobel_xy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
# 展示图片
cv2.imshow("sobel_xy", sobel_xy)
cv2.waitKey(0)
cv2.destroyAllWindows()
输出结果:

注: 当 ddepth 设置为 -1, 即与原图保持一致, 得到的结果可能是错误的. 计算梯度值可能出现负数, 负数会自动截断为 0. 为了避免信息丢失, 我们需要使用更高是数据类型 cv2.CV_64F, 再通过取绝对值将其映射到 cv2.CV_8U 类型.
到此这篇关于OpenCV半小时掌握基本操作之图像梯度的文章就介绍到这了,更多相关OpenCV图像梯度内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
python DataFrame获取行数、列数、索引及第几行第几列的值方法
下面小编就为大家分享一篇python DataFrame获取行数、列数、索引及第几行第几列的值方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2018-04-04
python-opencv在有噪音的情况下提取图像的轮廓实例
下面小编就为大家带来一篇python-opencv在有噪音的情况下提取图像的轮廓实例。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧2017-08-08
python程序中的线程操作 concurrent模块使用详解
这篇文章主要介绍了python程序中的线程操作 concurrent模块使用详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-09-09
Python MySQLdb 执行sql语句时的参数传递方式
这篇文章主要介绍了Python MySQLdb 执行sql语句时的参数传递方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2020-03-03


最新评论