opencv python影象梯度例項詳解
阿新 • • 發佈:2020-02-05
這篇文章主要介紹了opencv python影象梯度例項詳解,文中通過示例程式碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
一階導數與Soble運算元
二階導數與拉普拉斯運算元
影象邊緣:
Soble運算元:
二階導數:
拉普拉斯運算元:
import cv2 as cv import numpy as np # 影象梯度(由x,y方向上的偏導數和偏移構成),有一階導數(sobel運算元)和二階導數(Laplace運算元) # 用於求解影象邊緣,一階的極大值,二階的零點 # 一階偏導在影象中為一階差分,再變成運算元(即權值)與影象畫素值乘積相加,二階同理 def sobel_demo(image): grad_x = cv.Sobel(image,cv.CV_32F,1,0) # 採用Scharr邊緣更突出 grad_y = cv.Sobel(image,1) gradx = cv.convertScaleAbs(grad_x) # 由於算完的影象有正有負,所以對其取絕對值 grady = cv.convertScaleAbs(grad_y) # 計算兩個影象的權值和,dst = src1*alpha + src2*beta + gamma gradxy = cv.addWeighted(gradx,0.5,grady,0) cv.imshow("gradx",gradx) cv.imshow("grady",grady) cv.imshow("gradient",gradxy) def laplace_demo(image): # 二階導數,邊緣更細 dst = cv.Laplacian(image,cv.CV_32F) lpls = cv.convertScaleAbs(dst) cv.imshow("laplace_demo",lpls) def custom_laplace(image): # 以下運算元與上面的Laplace_demo()是一樣的,增強採用np.array([[1,1],[1,-8,1]]) kernel = np.array([[1,1]]) dst = cv.filter2D(image,kernel=kernel) lpls = cv.convertScaleAbs(dst) cv.imshow("custom_laplace",lpls) def main(): src = cv.imread("../images/lena.jpg") cv.imshow("lena",src) # sobel_demo(src) laplace_demo(src) custom_laplace(src) cv.waitKey(0) # 等有鍵輸入或者1000ms後自動將視窗消除,0表示只用鍵輸入結束視窗 cv.destroyAllWindows() # 關閉所有視窗 if __name__ == '__main__': main()
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。