概述
OpenCV 是一個跨平臺的計算機視覺庫, 支持多語言, 功能強大. 今天小白就帶大家一起攜手走進 OpenCV 的世界.
梯度運算
梯度: 膨脹 (Dilating) - 腐蝕 (Eroding).
例子:
# 讀取圖片
pie = cv2.imread("pie.png")
# 核
kernel = np.ones((7, 7), np.uint8)
# 計算梯度
gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel=kernel)
# 圖片展示
cv2.imshow("gradient", gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
禮帽
禮帽 (Top Hat): 原始輸入 - 開運算結果.
例子:
# 讀取圖片
img = cv2.imread("white.png")
# 核
kernel = np.ones((7, 7), np.uint8)
# 禮帽
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel=kernel)
# 圖片展示
cv2.imshow("tophat", tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
黑帽
黑帽 (Black Hat): 閉運算 - 原始輸入.
例子:
# 讀取圖片
img = cv2.imread("white.png")
# 核
kernel = np.ones((7, 7), np.uint8)
# 禮帽
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel=kernel)
# 圖片展示
cv2.imshow("blackhat", blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
Sobel 算子
Sobel 算子 (Sobeloperator) 是邊緣檢測中非常重要的一個算子. Sobel 算子是一類離散性差分算子, 用來運算圖像高亮度函數的灰度之近似值.
格式:
cv2.Sobel(src, ddepth, dx, dy, ksize)
參數:
- src: 原圖
- ddepth: 圖片深度
- dx: 水平方向
- dy: 豎直方向
- ksize: 算子大小
計算 x
代碼:
# 讀取圖片
img = cv2.imread("pie.png")
# Sobel算子
sobelx = cv2.Sobel(img, -1, 1, 0, ksize=3)
# 展示圖片
cv2.imshow("sobelx", sobelx)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
計算 y
代碼:
# 讀取圖片
img = cv2.imread("pie.png")
# Sobel算子
sobely = cv2.Sobel(img, -1, 0, 1, ksize=3)
# 展示圖片
cv2.imshow("sobely", sobely)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
計算 x+y
代碼:
# 讀取圖片
img = cv2.imread("pie.png")
# Sobel算子
sobel = cv2.Sobel(img, -1, 1, 1, ksize=3)
# 展示圖片
cv2.imshow("sobel", sobel)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
融合
代碼:
# 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)
# 轉換成絕對值
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.convertScaleAbs(sobely)
# 融合
sobel_xy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
# 展示圖片
cv2.imshow("sobel_xy", sobel_xy)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
注: 當 ddepth 設置為 -1, 即與原圖保持一致, 得到的結果可能是錯誤的. 計算梯度值可能出現負數, 負數會自動截斷為 0. 為了避免信息丟失, 我們需要使用更高是數據類型 cv2.CV_64F, 再通過取絕對值將其映射到 cv2.CV_8U 類型.
到此這篇關于OpenCV 圖像梯度的實現方法的文章就介紹到這了,更多相關OpenCV 圖像梯度內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- OpenCV-Python實現圖像梯度與Sobel濾波器
- opencv python圖像梯度實例詳解
- OpenCV半小時掌握基本操作之分水嶺算法
- OpenCV半小時掌握基本操作之傅里葉變換
- OpenCV半小時掌握基本操作之圖像輪廓
- OpenCV半小時掌握基本操作之直方圖
- OpenCV半小時掌握基本操作之模板匹配
- OpenCV半小時掌握基本操作之圓圈檢測
- OpenCV半小時掌握基本操作之對象測量
- OpenCV半小時掌握基本操作之圖像梯度
