久久r热视频,国产午夜精品一区二区三区视频,亚洲精品自拍偷拍,欧美日韩精品二区

您的位置:首頁(yè)技術(shù)文章
文章詳情頁(yè)

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

瀏覽:2日期:2022-08-06 15:48:00

本文實(shí)例為大家分享了Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)的具體代碼,供大家參考,具體內(nèi)容如下

1. Sobel 算子檢測(cè)

Sobel 算子是高斯平滑和微分運(yùn)算的組合,抗噪能力很強(qiáng),用途也很多,尤其是效率要求高但對(duì)細(xì)紋理不是很在意的時(shí)候。

對(duì)于不連續(xù)的函數(shù),有:

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

假設(shè)要處理的圖像為I,在兩個(gè)方向求導(dǎo)。

水平變化:用奇數(shù)大小的模板對(duì)圖像I卷積,結(jié)果為Gx。例如,當(dāng)模板大小為3時(shí),Gx為:

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

垂直變化:用奇數(shù)大小的模板對(duì)圖像I卷積,結(jié)果為Gy。例如,當(dāng)模板大小為3時(shí),Gy為:

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

在圖像的每個(gè)點(diǎn),結(jié)合以上兩個(gè)結(jié)果,得到:

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

極大值的位置是圖像的邊緣。

當(dāng)核大小為3時(shí),上述Sobel核可能會(huì)產(chǎn)生更明顯的誤差。 為了解決這個(gè)問(wèn)題,可以使用 Scharr 函數(shù)。這個(gè)函數(shù)只對(duì)大小為 3 的核有效,運(yùn)算速度和 Sobel 函數(shù)一樣快,但是結(jié)果更準(zhǔn)確。 計(jì)算方法為:

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

cv.Sobel(src, ddepth, dx, dy, dst, ksize, scale, delta, borderType)參數(shù):src 傳入的圖像ddepth 圖像的深度dx、dy 指求導(dǎo)的階數(shù),0表示這個(gè)方向上沒(méi)有求導(dǎo),取值為0、1。ksize Sobel算子的大小,即卷積核的大小,必須為奇數(shù)1、3、5、7,默認(rèn)為3。-1代表3x3的Scharr算子。scale 縮放導(dǎo)數(shù)的比例常數(shù),默認(rèn)情況為沒(méi)有伸縮系數(shù)。borderType 圖像邊界的模式,默認(rèn)值為cv.BORDER_DEFAULT。

需要對(duì)x和y兩個(gè)方向都調(diào)用一次cv.Sobel()函數(shù)。然后,對(duì)每個(gè)方向調(diào)用cv.convertScaleAbs()函數(shù)將其轉(zhuǎn)回uint8格式,再調(diào)用cv2.addWeighted()函數(shù)將兩個(gè)方向組合起來(lái)。

2. Laplacian 算子檢測(cè)

Laplacian 使用二階導(dǎo)數(shù)來(lái)檢測(cè)邊緣。 因?yàn)閳D像是二維的,所以我們需要從兩個(gè)方向求導(dǎo):

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

不連續(xù)函數(shù)的二階導(dǎo)數(shù)是:

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

使用的卷積核是:

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

cv.Laplacian(src, ddepth, ksize)參數(shù):src 需要處理的圖像ddepth 圖像的深度,-1表示采用的是原圖像相同的深度,目標(biāo)圖像的深度必須大于等于原圖像的深度ksize 算子的大小,即卷積核的大小,必須為1、3、5、7。

然后,對(duì)返回值調(diào)用cv.convertScaleAbs(res)即可獲得邊緣圖像。

3. Canny 邊緣檢測(cè)

Canny 邊緣檢測(cè)算法由4個(gè)步驟組成。

1)去噪。由于邊緣檢測(cè)容易受噪聲影響,首先使用5*5高斯濾波器去除噪聲。

2)計(jì)算圖像梯度。在平滑圖像上使用 Sobel 算子計(jì)算水平和垂直方向的一階導(dǎo)數(shù)(Gx 和 Gy)。 根據(jù)得到的兩個(gè)梯度圖(Gx和Gy)求出邊界的梯度和方向,公式如下:

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

如果一個(gè)像素是一個(gè)邊緣,它的梯度方向總是垂直于邊緣。 梯度方向分為四類(lèi):垂直方向、水平方向和兩個(gè)對(duì)角線方向。

3)非極大值抑制。得到梯度的方向和大小后,掃描整個(gè)圖像去除那些非邊界點(diǎn)。 檢查每個(gè)像素點(diǎn),看這個(gè)點(diǎn)的梯度是否在周?chē)哂邢嗤荻确较虻狞c(diǎn)中最大。

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

A點(diǎn)位于圖像的邊緣。在其梯度變化的方向,選擇像素B和C,檢查A點(diǎn)的梯度是否為極大值。 如果是極大值,則保留,否則A點(diǎn)將被抑制,最后得到的結(jié)果是邊緣細(xì)的二值圖像。

4)滯后閾值。現(xiàn)在來(lái)確定真正的邊界。我們?cè)O(shè)置了兩個(gè)閾值:minVal 和 maxVal。 當(dāng)圖像的灰度梯度高于 maxVal 時(shí),認(rèn)為是真正的邊界,低于minVal 的邊界將被丟棄。 如果介于兩者之間,則取決于該點(diǎn)是否連接到確定為真的邊界點(diǎn)。 如果是,則認(rèn)為是邊界點(diǎn),如果不是,則將其丟棄。 minVal 較小的閾值將間斷的邊緣連接起來(lái),maxVal 較大的閾值檢測(cè)圖像中明顯的邊緣。如下圖:

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

A 高于閾值 maxVal,因此它是真正的邊界點(diǎn)。雖然 C 低于 maxVal 但高于 minVal 并與 A 相連,所以它也被視為真正的邊界點(diǎn)。 B 會(huì)被丟棄,因?yàn)樗陀?maxVal ,并且沒(méi)有連接到真正的邊界點(diǎn)。 所以,選擇合適的 maxVal 和 minVal 對(duì)于獲得好的結(jié)果非常重要。

cv.Canny(image, threshold1, threshold2)參數(shù):image 灰度圖threshold1 minval,較小的閾值threshold2 maxval,較大的閾值

例:使用Sobel、Laplacian、Canny算法檢測(cè)下面圖像的邊緣。

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

import matplotlibimport cv2 as cvimport matplotlib.pyplot as plt font = { 'family': 'Microsoft YaHei'}matplotlib.rc('font', **font) img = cv.imread('./image/horse.jpg', 0) # Sobelx = cv.Sobel(img, cv.CV_16S, 1, 0)y = cv.Sobel(img, cv.CV_16S, 0, 1)absx = cv.convertScaleAbs(x)absy = cv.convertScaleAbs(y)res = cv.addWeighted(absx, 0.5, absy, 0.5, 0)plt.imshow(res, cmap=plt.cm.gray)plt.title('Sobel')plt.show() # Schaarx = cv.Sobel(img, cv.CV_16S, 1, 0, ksize=-1)y = cv.Sobel(img, cv.CV_16S, 0, 1, ksize=-1)absx = cv.convertScaleAbs(x)absy = cv.convertScaleAbs(y)res = cv.addWeighted(absx, 0.5, absy, 0.5, 0)plt.imshow(res, cmap=plt.cm.gray)plt.title('Schaar')plt.show() # Laplacianres = cv.Laplacian(img, cv.CV_16S)res = cv.convertScaleAbs(res)plt.imshow(res, cmap=plt.cm.gray)plt.title('Laplacian')plt.show() # Cannyres = cv.Canny(img, 0, 100)plt.imshow(res, cmap=plt.cm.gray)plt.title('Canny')plt.show()

輸出:

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

Python OpenCV實(shí)現(xiàn)邊緣檢測(cè)

以上就是本文的全部?jī)?nèi)容,希望對(duì)大家的學(xué)習(xí)有所幫助,也希望大家多多支持好吧啦網(wǎng)。

標(biāo)簽: Python 編程
相關(guān)文章:
主站蜘蛛池模板: 清徐县| 沙田区| 肃北| 大新县| 额尔古纳市| 汽车| 称多县| 蓬安县| 临高县| 绵阳市| 阳谷县| 江山市| 桃源县| 图片| 靖西县| 香河县| 织金县| 滨海县| 双流县| 永年县| 沅陵县| 达孜县| 顺昌县| 阳山县| 馆陶县| 河曲县| 通城县| 遂宁市| 淮滨县| 福建省| 巩义市| 庆元县| 罗城| 内丘县| 班玛县| 秦安县| 册亨县| 湖口县| 梁河县| 沭阳县| 元阳县|