OpenCV函数及其应用

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 复制代码

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 复制代码

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 复制代码

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 复制代码

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)