Skip to content

Latest commit

 

History

History
188 lines (151 loc) · 6.12 KB

9.图像梯度与Canny边缘检测.md

File metadata and controls

188 lines (151 loc) · 6.12 KB
Raw

图像梯度

梯度简单来说就是求导。 OpenCV 提供了三种不同的梯度滤波器，或者说高通滤波器：Sobel，Scharr 和 Laplacian。Sobel，Scharr 其实就是求一阶或二阶导数。Scharr 是对 Sobel（使用小的卷积核求解求解梯度角度时）的优化。Laplacian 是求二阶导数。

Sobel 算子是一个主要用作边缘检测的离散微分算子 (discrete differentiation operator)。 Sobel算子结合了高斯平滑和微分求导，用来计算图像灰度函数的近似梯度。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。

cv2.Sobel(src,cv2.ddepth,dx,dy,Ksize)

参数意义如下:

  • src：输入图像
  • ddepth：输出图像的深度，支持如下src.depth()和ddepth的组合：
    • 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
    • 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
    • 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
    • 若src.depth() = CV_64F, 取ddepth = -1/CV_64F
  • dx：x 方向上的差分阶数
  • dy：yx方向上的差分阶数
  • ksize：核大小,默认值3，表示Sobel核的大小; 必须取1，3，5或7；

例子：sobel

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    img = cv2.imread('data/building.jpg',0)
    laplacian = cv2.Laplacian(img,cv2.CV_64F)
    #cv2.CV_64F输出图像的深度（数据类型），可以使用-1,与原图像保持一致np.uint8
    #参数1,0为只在x方向求一阶导数
    sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
    #参数0,1为只在y方向求一阶导数
    sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
    
    #sobel =cv2.Sobel(img,cv2.CV_64F,1,1,ksize=3) # 效果不好
    sobel = cv2.add(sobelx,sobely)
    
    plt.figure(figsize=(10,8),dpi=80)
    plt.subplot(221)
    img_show('原图',img)
    plt.subplot(222)
    img_show('sobelx',sobelx)
    plt.subplot(223)
    img_show('sobely',sobely)
    plt.subplot(224)
    img_show('sobel',sobel)

Scharr(src, ddepth, dx, dy)

参数意义同Sobel算子

例子：scharr

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    img = cv2.imread('data/building.jpg',0)
    scharrx = cv2.Scharr(img,cv2.CV_64F,1,0)
    scharry = cv2.Scharr(img,cv2.CV_64F,0,1)
    
    scharr = cv2.add(scharrx,scharry)
    
    plt.figure(figsize=(10,8),dpi=80)
    plt.subplot(221)
    img_show('原图',img)
    plt.subplot(222)
    img_show('scharrx',scharrx)
    plt.subplot(223)
    img_show('scharry',scharry)
    plt.subplot(224)
    img_show('scharr',scharr)

cv2.Laplacian(src,ddepth, ksize,scale,borderType)

参数意义如下:

  • src：输入图像
  • ddepth：输出图像的深度，支持如下src.depth()和ddepth的组合：
    • 若src.depth() = CV_8U, 取ddepth =-1/CV_16S/CV_32F/CV_64F
    • 若src.depth() = CV_16U/CV_16S, 取ddepth =-1/CV_32F/CV_64F
    • 若src.depth() = CV_32F, 取ddepth =-1/CV_32F/CV_64F
    • 若src.depth() = CV_64F, 取ddepth = -1/CV_64F
  • ksize：核大小,用于计算二阶导数的滤波器的孔径尺寸，大小必须为正奇数，且有默认值1；
  • scale：计算拉普拉斯值的时候可选的比例因子，有默认值1；
  • borderType：默认值BORDER_DEFAUL

例子：laplacian

def img_show(name,image):
    """matplotlib图像显示函数
    name：字符串，图像标题
    img：numpy.ndarray，图像
    """
    if len(image.shape) == 3:
        image = cv2.cvtColor(image,cv2.COLOR_BGR2RGB)
    plt.imshow(image,'gray')
    plt.xticks([])
    plt.yticks([])
    plt.xlabel(name,fontproperties='FangSong',fontsize=12)
 
if __name__=="__main__":
    img = cv2.imread('data/building.jpg',0)
    laplacian = cv2.Laplacian(img,cv2.CV_64F,ksize=5)
    
    plt.figure(figsize=(10,8),dpi=80)
    plt.subplot(121)
    img_show('原图',img) 
    
    plt.subplot(122)
    img_show('laplacian',laplacian)

Canny 边缘检测

在 OpenCV 中,使用函数：cv2.Canny()

cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])

参数解释

  • image：源图像
  • threshold1：阈值1
  • threshold2：阈值2
  • apertureSize：可选参数，Sobel算子的大小,默认值为 3
  • L2gradient，它可以用来设定求梯度大小的方程。如果设为 True，就会使用方程:${E d g e_{-} \text {Gradient}(G)=\sqrt{G_{x}^{2}+G_{y}^{2}}}$，否则使用方程：${\text {Edge_Gradient}(G)=\left|G_{x}^{2}\right|+\left|G_{y}^{2}\right|}$代替，默认值为 False。
def nothing(x):
    pass
img = cv2.imread('lena.jpg')
cv2.namedWindow('edges',cv2.WINDOW_NORMAL)
cv2.createTrackbar('minVal','edges',0,255,nothing)
cv2.createTrackbar('maxVal','edges',0,255,nothing)

while(1):
    minval=cv2.getTrackbarPos('minVal','edges')
    maxval=cv2.getTrackbarPos('maxVal','edges')
    edges = cv2.Canny(img,minval,maxval)
    cv2.imshow('edges',edges)
    k=cv2.waitKey(1)&0xFF
    if k==27:
        break
cv2.destroyAllWindows()