OpenCV提供三种类型的梯度滤波器或高通滤波器,即Sobel,Scharr和Laplacian。
1.Sobel算子
主要使用cv2.Sobel()来实现。
dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])
参数如下:
- src:需要处理的图像
- ddepth:图像的深度,-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度
- dx和dy表示的是求导的阶数,0表示这个方向上没有求导,一般为0、1、2
- dst:输出图像
- ksize:是Sobel算子的大小,必须为1、3、5、7
- scale:是缩放导数的比例常数,默认情况下没有伸缩系数
- delta:是一个可选的增量,将会加到最终的dst中,同样,默认情况下没有额外的值加到dst中
- borderType:是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。
代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg')
dst = cv.Sobel(img, -1, 1, 1, None, 5)
cv.imshow("prac", dst)
cv.waitKey(0)
cv.destroyAllWindows()
2.Scharr算子
主要使用cv2.Scharr()函数来实现。
cv2.Scharr(src, ddepth, dx, dy, dst=None, scale=None, delta=None, borderType=None)
参数和Sobel相比没有ksize,其余同上,代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg')
dst2 = cv.Scharr(img, -1, 0, 1)
cv.imshow("prac", dst2)
cv.waitKey(0)
cv.destroyAllWindows()
3.Laplacian 算子
主要使用cv2.Laplacian()来实现。
dst = cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])
参数和Sobel相比,ksize为Laplacian 算子的大小,其余同上,代码示例:
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg')
dst3 = cv.Laplacian(img, -1, None, 3)
cv.imshow("prac", dst3)
cv.waitKey(0)
cv.destroyAllWindows()
4.注意事项
如果要检测两个边缘,更好的选择是将输出数据类型保留为更高的形式,例如 cv.CV_16S ,cv.CV_64F 等,取其绝对值,然后转换回 cv.CV_8U 。
代码示例:
sobelx64f = cv.Sobel(img,cv.CV_64F,1,0,ksize=5)
abs_sobel64f = np.absolute(sobelx64f)
sobel_8u = np.uint8(abs_sobel64f)
|