这篇文章主要介绍了OpenCV基本操作之图像梯度，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
【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-600") # 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-600") # 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-600") # 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-600") # 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-600") # 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.imre<a style="color:transparent">来源gao*daima.com搞@代#码网</a>ad("pie.jpg-600") # 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.
以上就是OpenCV半小时掌握基本操作之图像梯度的详细内容，更多请关注gaodaima搞代码网其它相关文章！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：OpenCV半小时掌握基本操作之图像梯度
转载请注明原文链接：OpenCV半小时掌握基本操作之图像梯度
