opencv_day6

复制代码
import cv2
import matplotlib.pylab as plt
import numpy as np
img1 = cv2.imread('D:\\gudugudu\\Pictures\\weixin\\xiaotidaya.jpg', cv2.IMREAD_ANYCOLOR)
img2 = cv2.imread('D:\\gudugudu\\Pictures\\weixin\\guoqing.jpg', cv2.IMREAD_GRAYSCALE)
img3 = cv2.imread('D:\\gudugudu\\Pictures\\weixin\\zhaoyang.jpg', cv2.IMREAD_GRAYSCALE)
img_x = cv2.resize(img1, (500, 500))
img_y = cv2.resize(img2, (500, 500))
img_z = cv2.resize(img3, (500, 500))
vc = cv2.VideoCapture("D:\\gudugudu\\Pictures\\weixin\\WeChat_20240706150425.mp4")


#梯度计算

#Soble算子 det = cv2.Soble(src, drpth, dx, dy, ksize);上下,左右的差异
#计算方法: 右-左*系数, 上-下*系数;


def soble(img):
    soblex = cv2.Soble(img, cv2.CV_64F, 1, 0, ksize = 3)
    soblex = cv2.convertScaleAbs(soblex)
    cv2.imshow('name', soblex)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


#分别计算xy再求和;


def Soblexy(img):
    soblex = cv2.Soble(img, cv2.CV_64F, 1, 0, ksize = 3)
    sobley = cv2.Soble(img, cv2.CV_64F, 0, 1, ksize = 3)
    soblexy = cv2.addWeighted(soblex, 0.5, sobley, 0.5, 0)
    cv2.imshow('name', soblexy)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


#scharr算子: 数值大一些,结果的差异更加敏感
#laplacian算子: 对于差异更加敏感, 但是对于噪点的判断有误


def scharr(img):
    scharrx = cv2.Scharr(img, cv2.CV_64F, 1, 0)
    scharry = cv2.Scharr(img, cv2.CV_64F, 0, 1)
    scharrx = cv2.convertScaleAbs(scharrx)
    scharry = cv2.convertScaleAbs(scharry)
    scharrxy = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)
    cv2.imshow('name', scharrxy)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


def LapLacion(img):
    laplacion = cv2.Laplacian(img, cv2.CV_64F)
    laplacion = cv2.convertScaleAbs(laplacion)
    cv2.imshow('name', laplacion)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
相关推荐
从零开始学习人工智能1 小时前
GPUStack:开源GPU集群管理工具,解锁AI模型高效运行新可能
人工智能·开源
C嘎嘎嵌入式开发1 小时前
(六)机器学习之图卷积网络
人工智能·python·机器学习
Msshu1232 小时前
PD快充诱骗协议芯片XSP25支持PD+QC+FCP+SCP+AFC协议支持通过串口读取充电器功率信息
人工智能
一RTOS一4 小时前
东土科技连投三家核心企业 发力具身机器人领域
人工智能·科技·机器人·具身智能·鸿道实时操作系统·国产嵌入式操作系统选型
ACP广源盛139246256736 小时前
(ACP广源盛)GSV1175---- MIPI/LVDS 转 Type-C/DisplayPort 1.2 转换器产品说明及功能分享
人工智能·音视频
胡耀超6 小时前
隐私计算技术全景:从联邦学习到可信执行环境的实战指南—数据安全——隐私计算 联邦学习 多方安全计算 可信执行环境 差分隐私
人工智能·安全·数据安全·tee·联邦学习·差分隐私·隐私计算
停停的茶7 小时前
深度学习(目标检测)
人工智能·深度学习·目标检测
Y200309167 小时前
基于 CIFAR10 数据集的卷积神经网络(CNN)模型训练与集成学习
人工智能·cnn·集成学习
老兵发新帖8 小时前
主流神经网络快速应用指南
人工智能·深度学习·神经网络
AI量化投资实验室8 小时前
15年122倍,年化43.58%,回撤才20%,Optuna机器学习多目标调参backtrader,附python代码
人工智能·python·机器学习