标签:32F python 梯度 image 算子 CV demo cv opencv3.3
参考:https://blog.csdn.net/saltriver/article/details/78987096
Sobel算子
参考:https://blog.csdn.net/qq_29540745/article/details/51918004
拉普拉斯算子
图像深度
视频示例:
import cv2 as cv
import numpy as np
# Sobel算子
def sobel_demo(image):
grad_x = cv.Sobel(image, cv.CV_32F, 1, 0) # 因为计算后的梯度可能会超过像素最大值255,所以这里需要指定合适的图像深度,如cv.CV_32F
grad_y = cv.Sobel(image, cv.CV_32F, 0, 1)
# grad_x = cv.Scharr(image, cv.CV_32F, 1, 0) # Scharr算子是Sobel算子的增强版本,当Sobel得到的轮廓不明显时可考虑Scharr算子,然后做图像二值化,即可提取到边缘
# grad_y = cv.Scharr(image, cv.CV_32F, 0, 1) # 但是Scharr算子对噪声比较敏感,当用Scharr算子得到轮廓后,要想方设法把噪声降下来
gradx = cv.convertScaleAbs(grad_x) # 把梯度取绝对值,并 scaling 到无符号8位最大值255的范围内
grady = cv.convertScaleAbs(grad_y)
cv.imshow("gradient-x", gradx) # 查看梯度图效果
cv.imshow("gradient-y", grady)
gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0)
cv.imshow("gradient-xy", gradxy)
# Laplas算子
def laplacian_demo(image):
dst = cv.Laplacian(image, cv.CV_32F)
lpls = cv.convertScaleAbs(dst)
cv.imshow("laplacian_demo", lpls)
def custom_kernel_demo(image):
# kernel = np.array([[0, 1, 0], [1, -4, 1], [0, 1, 0]]) # 这个核就是拉普拉斯核,会看到效果和laplacian_demo()的一样
kernel = np.array([[1, 1, 1], [1, -8, 1], [1, 1, 1]])
dst = cv.filter2D(image, cv.CV_32F, kernel=kernel)
lpls = cv.convertScaleAbs(dst)
cv.imshow("laplacian_demo", lpls)
print("-----------Python OpenCV Tutorial--------------")
src = cv.imread("C:/cv-samples/data/lena.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
# sobel_demo(src)
# laplacian_demo(src)
custom_kernel_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
标签:32F,python,梯度,image,算子,CV,demo,cv,opencv3.3 来源: https://blog.csdn.net/rrrrrr89098087/article/details/110195073
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。