OpenCV 图像梯度的实现方法

Vevina ·

更新时间:2024-11-10

· 43 次阅读

概述

梯度运算

礼帽

黑帽

Sobel 算子

计算 x

计算 y

计算 x+y

融合

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.png")
# 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.png")
# 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.png")
# 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.png")
# 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.png")
# 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.imread("pie.png")
# 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: