OpenCV 图像梯度的实现方法
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:
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.
到此这篇关于OpenCV 图像梯度的实现方法的文章就介绍到这了,更多相关OpenCV 图像梯度内容请搜索猪先飞以前的文章或继续浏览下面的相关文章希望大家以后多多支持猪先飞!
相关文章
- 这篇文章主要介绍了python-opencv-画外接矩形框的实例代码,代码简单易懂,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...2021-09-04
- 图片剪裁是常用的方法,那么如何通过4坐标剪裁图片,本文就详细的来介绍一下,感兴趣的小伙伴们可以参考一下...2021-06-04
- 这篇文章主要介绍了OpenCV如何去除图片中的阴影的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2021-03-29
- 这篇文章主要介绍了解决使用OpenCV中的imread()内存报错问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-16
- 这篇文章主要介绍了python OpenCV的相关资料,帮助大家更好的理解和学习使用python的opencv,感兴趣的朋友可以了解下...2021-03-31
- 这篇文章主要介绍了使用OpenCV去除面积较小的连通域,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-07-05
详解pycharm的python包opencv(cv2)无代码提示问题的解决
这篇文章主要介绍了详解pycharm的python包opencv(cv2)无代码提示问题的解决,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2021-01-29在C#中使用OpenCV(使用OpenCVSharp)的实现
这篇文章主要介绍了在C#中使用OpenCV(使用OpenCVSharp)的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2020-11-15- 这篇文章主要为大家详细介绍了C++ opencv实现车道线识别,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2021-02-20
详解opencv中画圆circle函数和椭圆ellipse函数
这篇文章主要介绍了opencv中画圆circle函数和椭圆ellipse函数,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下...2020-05-09- 这篇文章主要为大家详细介绍了Opencv LBPH人脸识别算法的相关资料,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2020-04-25
python中的opencv和PIL(pillow)转化操作
这篇文章主要介绍了python中的opencv和PIL(pillow)转化操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2021-03-16- 这篇文章主要介绍了python基于opencv检测程序运行效率,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下...2020-05-09
浅谈OpenCV中的新函数connectedComponentsWithStats用法
这篇文章主要介绍了浅谈OpenCV中的新函数connectedComponentsWithStats用法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-07-05- 这篇文章主要为大家详细介绍了Opencv实现绿幕视频背景替换功能,具有一定的参考价值,感兴趣的小伙伴们可以参考一下...2020-04-25
- 这篇文章主要介绍了Opencv图像处理之详解掩膜mask,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧...2021-03-21
- 凸包是一个计算几何中的概念,在图像处理过程中,我们常常需要寻找图像中包围某个物体的凸包,本文就使用OpenCV实现,感兴趣的可以了解一下...2021-06-08
- 这篇文章主要介绍了python基于OpenCV模板匹配识别图片中的数字,帮助大家更好的理解和学习使用python,感兴趣的朋友可以了解下...2021-03-31
- 今天小编就为大家分享一篇python-OpenCV 实现将数组转换成灰度图和彩图,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-04-27
- 这篇文章主要介绍了使用opencv识别图像红色区域,并输出红色区域中心点坐标,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧...2020-06-03