1. 梯度处理的Sobel算子函数
功能
Sobel算子是一种用于边缘检测的离散微分算子，它结合了高斯平滑和微分求导，用于计算图像亮度的空间梯度。
参数
src：输入图像。
dst：输出图像。
ddepth：输出图像的深度。
dx：计算x方向梯度。
dy：计算y方向梯度。
ksize：Sobel内核的大小。
返回值
函数不返回值，但会修改dst参数。
python
import cv2
import numpy as np
img = cv2.imread('./shudu.png')
# 使用sobel算子
img_sobel = cv2.Sobel(img,-1,0,1,ksize=3) #垂直梯度
img_sobel_2 = cv2.Sobel(img,-1,1,0,ksize=3) #水平梯度
cv2.imshow("img",img)
cv2.imshow('img_sobel',img_sobel)
cv2.imshow('img_sobel_2',img_sobel_2)
cv2.waitKey(0)
2. 梯度处理Laplacian算子函数
功能
Laplacian算子是一种二阶导数算子，用于检测图像中的区域的二阶导数，常用于边缘检测。
参数
src：输入图像。
dst：输出图像。
ddepth：输出图像的深度。
ksize：Laplacian内核的大小。
返回值
无。
应用
Laplacian算子适用于需要检测图像中区域的快速变化，如边缘和角点。
python
import cv2
import numpy as np
img=cv2.imread('./3.png')
img_l=cv2.Laplacian(img,-1,ksize=3)
cv2.imshow('img1',img_l)
cv2.waitKey(0)
3. Canny算子函数
功能
Canny算子是一种多级边缘检测算子，它通过高斯滤波、梯度计算、非极大值抑制和滞后阈值处理来检测图像中的边缘。
参数
image：输入图像。
edges：输出边缘图像。
threshold1：第一阈值。
threshold2：第二阈值。
返回值
无。
python
import cv2
img=cv2.imread('./5.png')
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
_,img_b=cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
#进行高斯滤波
img_blur=cv2.GaussianBlur(img_b,(3,3),3)
#边缘检测
img_canny=cv2.Canny(img_gray,50,150)
contours, hierarchy = cv2.findContours(img_canny, cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
cv2.drawContours(img, contours, -1, (0, 0, 255), 2)
cv2.imshow('img',img)
cv2.imshow('img_canny',img_canny)
cv2.waitKey(0)
4. findContours函数
功能
findContours函数用于在二值图像中查找轮廓。
参数
image：输入的二值图像。
contours：检测到的轮廓。
hierarchy：轮廓的层次结构。
返回值
轮廓的数量。
5. drawContours函数
功能
drawContours函数用于在图像上绘制轮廓。
参数
image：输入图像。
contours：要绘制的轮廓。
contourIdx：要绘制的轮廓索引。
color：轮廓的颜色。
返回值
会直接在输入的图像上进行绘制。
一般建议复制原图，在复制后的图片上绘制，方便和原图进行对比。
python
import cv2
img=cv2.imread('5.png')
img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#二值化
_,img_b=cv2.threshold(img_gray,120,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)
#寻找轮廓
contours,hierarchy=cv2.findContours(
img_b,
cv2.RETR_LIST,#查询轮廓的方式
cv2.CHAIN_APPROX_SIMPLE # 保存轮廓点坐标的方式
)
# 绘制轮廓
img_copy=img.copy()
img_draw=cv2.drawContours(img_copy, #要绘制轮廓的图像
contours, # 轮廓的顶点
-1, # 轮廓列表的索引值
(0,0,255), #
3 #
)
cv2.imshow('img',img)
cv2.imshow('img_d',img_draw)
cv2.waitKey(0)