欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Python+OpenCV 图像边缘检测四种实现方法

程序员文章站 2022-09-17 07:53:26
目录1.sobel算子2.schaar算子(更能体现细节)3.laplacian算子(基于零穿越的,二阶导数的0值点)4.canny边缘检测(被认为是最优的边缘检测算法)总结import cv2 as...
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
# 设置兼容中文
plt.rcparams['font.family'] = ['sans-serif']
plt.rcparams['font.sans-serif'] = ['simhei']
d:\anaconda\azwz\lib\site-packages\numpy\_distributor_init.py:30: userwarning: loaded more than 1 dll from .libs:
d:\anaconda\azwz\lib\site-packages\numpy\.libs\libopenblas.noijjg62emaszi6nyurl6jbkm4evbgm7.gfortran-win_amd64.dll
d:\anaconda\azwz\lib\site-packages\numpy\.libs\libopenblas.wcdjnk7yvmpzq2me2zzhjjrj3jikndb7.gfortran-win_amd64.dll
  warnings.warn("loaded more than 1 dll from .libs:\n%s" %
horse = cv.imread('img/horse.jpg',0)
plt.imshow(horse,cmap=plt.cm.gray)
plt.imshow(horse,cmap=plt.cm.gray)

Python+OpenCV 图像边缘检测四种实现方法

1.sobel算子

# 1,0 代表沿x方向做sobel算子
x = cv.sobel(horse,cv.cv_16s,1,0)
# 0,1 代表沿y方向做sobel算子
y = cv.sobel(horse,cv.cv_16s,0,1)
# 格式转换
absx = cv.convertscaleabs(x)
absy = cv.convertscaleabs(y)
# 边缘检测结果
res = cv.addweighted(absx,0.5,absy,0.5,0)
plt.figure(figsize=(20,20))
plt.subplot(1,2,1)
m1 = plt.imshow(horse,cmap=plt.cm.gray)
plt.title("原图")
plt.subplot(1,2,2)
m2 = plt.imshow(res,cmap=plt.cm.gray)
plt.title("sobel算子边缘检测")
text(0.5, 1.0, 'sobel算子边缘检测')

Python+OpenCV 图像边缘检测四种实现方法

2.schaar算子(更能体现细节)

# 1,0 代表沿x方向做sobel算子
x = cv.sobel(horse,cv.cv_16s,1,0,ksize=-1)
# 0,1 代表沿y方向做sobel算子
y = cv.sobel(horse,cv.cv_16s,0,1,ksize=-1)
# 格式转换
absx = cv.convertscaleabs(x)
absy = cv.convertscaleabs(y)
# 边缘检测结果
res = cv.addweighted(absx,0.5,absy,0.5,0)
plt.figure(figsize=(20,20))
plt.subplot(1,2,1)
m1 = plt.imshow(horse,cmap=plt.cm.gray)
plt.title("原图")
plt.subplot(1,2,2)
m2 = plt.imshow(res,cmap=plt.cm.gray)
plt.title("schaar算子边缘检测")
text(0.5, 1.0, 'schaar算子边缘检测')

Python+OpenCV 图像边缘检测四种实现方法

3.laplacian算子(基于零穿越的,二阶导数的0值点)

res = cv.laplacian(horse,cv.cv_16s)
res = cv.convertscaleabs(res)
plt.figure(figsize=(20,20))
plt.subplot(1,2,1)
m1 = plt.imshow(horse,cmap=plt.cm.gray)
plt.title("原图")
plt.subplot(1,2,2)
m2 = plt.imshow(res,cmap=plt.cm.gray)
plt.title("laplacian算子边缘检测")
text(0.5, 1.0, 'laplacian算子边缘检测')

Python+OpenCV 图像边缘检测四种实现方法

4.canny边缘检测(被认为是最优的边缘检测算法)

Python+OpenCV 图像边缘检测四种实现方法

Python+OpenCV 图像边缘检测四种实现方法

Python+OpenCV 图像边缘检测四种实现方法

Python+OpenCV 图像边缘检测四种实现方法

res = cv.canny(horse,0,100)
# res = cv.convertscaleabs(res) canny边缘检测是一种二值检测,不需要转换格式这一个步骤
plt.figure(figsize=(20,20))
plt.subplot(1,2,1)
m1 = plt.imshow(horse,cmap=plt.cm.gray)
plt.title("原图")
plt.subplot(1,2,2)
m2 = plt.imshow(res,cmap=plt.cm.gray)
plt.title("canny边缘检测")
text(0.5, 1.0, 'canny边缘检测')

Python+OpenCV 图像边缘检测四种实现方法

总结

Python+OpenCV 图像边缘检测四种实现方法

Python+OpenCV 图像边缘检测四种实现方法

以上就是python+opencv 图像边缘检测四种实现方法的详细内容,更多关于python opencv图像边缘检测的资料请关注其它相关文章!