使用Sobel算子把视频转换为只剩边缘部分

效果展示

原始视频

修改后的视频

整体代码

python 复制代码
import cv2

vc = cv2.VideoCapture('test.mp4')

if vc.isOpened():
    open, frame = vc.read()
else:
    open = False

i = 0
while open:
    ret, frame = vc.read()
    if frame is None:
        break
    if ret == True:
        i += 1
        # 转换为灰度图
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        # 使用Sobel进行边缘处理
        sobelx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)
        sobelx = cv2.convertScaleAbs(sobelx)

        sobely = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)
        sobely = cv2.convertScaleAbs(sobely)
        # 合起来
        sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)
        cv2.imshow('result', sobelxy)
        # 0.1s 0xFF表示键盘上的Esc键
        if cv2.waitKey(100) & 0xFF == 27:
            break

# 释放硬件资源
vc.release()
# 清除所有窗口
cv2.destroyAllWindows()

代码解释

python 复制代码
sobelx = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)

Sobel(src, ddepth, dx, dy, ksize)

①dx和dy分别表示水平和竖直方向

②ddepth一般为-1,表示和原图像一样的深度

上面的cv2.CV_64F代表的是深度,可以保存负数,是特殊的用法

③ksize表示卷积核大小(算子大小)

④src表示传入图像


python 复制代码
sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)

把x和y方向的求和,获得整体的边缘图像

sobelx和sobely则是你通过Sobel计算的图像

0.5表示的是权值(占比)

0表示的是偏置项,为0即可


python 复制代码
        if cv2.waitKey(100) & 0xFF == 27:
            break

这里的0xFF == 27 表示的是键盘上的Esc键


python 复制代码
sobelx = cv2.convertScaleAbs(sobelx)

把负数变成正数,防止被截断为0 因为默认的时候负数会被转换为0

相关推荐
江畔柳前堤11 小时前
字节跳动·大模型应用知识手册
前端·人工智能·深度学习·opencv·目标检测·重构·transformer
乐橙开放平台12 小时前
从「多套客户端」到一套开放能力:乐橙视频监控能力复盘
笔记·物联网·自动化·音视频·智能家居
linux_cfan16 小时前
videojs v10 源代码系列解读:13 · 能力型媒体契约:`Media` 的组合接口
前端·javascript·音视频
硅谷秋水17 小时前
RoboChallenge:具身策略的大规模真实机器人评估
计算机视觉·语言模型·机器人
勤劳X码农17 小时前
2026年TTS工具技术测评:7款方案实测,从免费额度到API集成全解析
人工智能·音视频·实时音视频
m0_6145235518 小时前
Log视频导入发灰,先查颜色链
音视频·视频编辑
小巫山云子18 小时前
OTF(On-The-Fly)技术详解
人工智能·计算机视觉·视觉检测·相机·半导体工业
YOLO数据集集合19 小时前
智慧工业工地安全防护检测数据集 | 工业安全 防护装备检测 安全帽识别 口罩检测 9097期
人工智能·目标检测·计算机视觉·目标跟踪·智慧工地·工地
YOLO_DATA19 小时前
遥感滑坡检测的数据集 2299 张 1类 yolo格式 遥感滑坡检测数据集
人工智能·深度学习·yolo·计算机视觉·无人机·yolo数据集·ai数据集
风巽·剑染春水19 小时前
【学习笔记】DINOv1,DINOv2,DINOv3 系列技术理解
计算机视觉·自监督学习·基础模型·dino