目标
在这一章中,我们将学习:
找到图像梯度,边缘等
我们将看到以下功能:cv.Sobel()、cv.Scharr()、cv.Laplacian()等
理论
OpenCV提供三种类型的梯度过滤器或高通滤波器,Sobel,Scharr和Laplacian。我们将会看到他们中的每一个。
1。Sobel和Scharr衍生品
Sobel操作符是一个联合高斯-平滑加微分运算,所以它对噪声更有抵抗力。你可以指定要取的导数的方向,垂直的或水平的(分别是参数、yorder和xorder)。你也可以通过参数ksize来指定内核的大小。如果ksize=-1,则使用3x3 Scharr过滤器,它比3x3 Sobel过滤器提供更好的结果。请参阅使用的内核文档。
2。拉普拉斯算子的衍生品
它计算了由关系给出的图像,
每一阶导数都是用Sobel衍生物找到的。如果ksize=1,那么下面的内核用于过滤:
代码
下面的代码显示了一个图表中的所有操作符。所有的内核都是5x5大小。输出图像的深度是通过-1来得到np的结果。uint8类型。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('xiangqi.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()
一个重要的事!
在我们的最后一个例子中,输出数据类型是cv。CV_8U或np.uint8。但这有一个小问题。从黑到白的转换被认为是正的斜率(它有一个正的值),而白到黑的转换被认为是一个负的斜率(它有负的值)。所以当你把数据转换成np。uint8,所有的负斜率都是零。简而言之,你错过了这条边。
如果您想要检测两条边,更好的选择是将输出数据类型保留到更高的表单,比如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过滤器的这个过程和结果的差异。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('by.jpg',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()