Python----计算机视觉处理(Opencv:梯度处理:filiter2D算子,Sobel,Laplacian)

一、图像梯度

把图片想象成连续函数,因为边缘部 分的像素值是与旁边像素明显有区别的,所以对图片局部求极值,就可以得到整幅图片的边缘信息了。 不过图片是二维的离散函数,导数就变成了差分,这个差分就称为图像的梯度。

二、filter2D算子

ddepth:表示目标图像的所需深度。

kernel:卷积核(或相当于相关核),单通道浮点矩阵。

edge_ex_method:边缘检测的方向,upright:垂直,level:水平。

三、Sobel算子

四、Laplacian算子

五、梯度处理

5.1、filter2D

导入模块

python 复制代码
import cv2
import numpy as np

输入图像

python 复制代码
img=cv2.imread('shudu3.png')

梯度处理

python 复制代码
kernel=np.array(
    [
        [-1,0,1],
        [-2,0,2],
        [-1,0,1]
    ]
)
img_filter2D=cv2.filter2D(img,-1,kernel=kernel)

输出图像

python 复制代码
cv2.imshow('img',img)
cv2.imshow('img_filter2D',img_filter2D)
cv2.waitKey(0)

完整代码

python 复制代码
import cv2
import numpy as np

img=cv2.imread('shudu3.png')

kernel=np.array(
    [
        [-1,0,1],
        [-2,0,2],
        [-1,0,1]
    ]
)
img_filter2D=cv2.filter2D(img,-1,kernel=kernel)

cv2.imshow('img',img)
cv2.imshow('img_filter2D',img_filter2D)
cv2.waitKey(0)

5.2、Sobel

导入模块

python 复制代码
import cv2
import numpy as np

输入图像

python 复制代码
img=cv2.imread('shudu3.png')

梯度处理

python 复制代码
img_Sobel=cv2.Sobel(img,-1,dx=1,dy=0)

输出图像

python 复制代码
cv2.imshow('img',img)
cv2.imshow('img_Sobel',img_Sobel)
cv2.waitKey(0)

完整代码

python 复制代码
import cv2


img=cv2.imread('shudu3.png')

img_Sobel=cv2.Sobel(img,-1,dx=1,dy=0)

cv2.imshow('img',img)
cv2.imshow('img_Sobel',img_Sobel)
cv2.waitKey(0)

5.3、Laplacian

导入模块

python 复制代码
import cv2
import numpy as np

输入图像

python 复制代码
img=cv2.imread('shudu3.png')

梯度处理

python 复制代码
img_Laplacian=cv2.Laplacian(img,-1)

输出图像

python 复制代码
cv2.imshow('img',img)
cv2.imshow('img_Laplacian',img_Laplacian)
cv2.waitKey(0)

完整代码

python 复制代码
import cv2

img=cv2.imread('shudu3.png')

img_Laplacian=cv2.Laplacian(img,-1)

cv2.imshow('img',img)
cv2.imshow('img_Laplacian',img_Laplacian)
cv2.waitKey(0)

六、库函数

6.1、filter2D

python 复制代码
cv.filter2D(	src, ddepth, kernel[, dst[, anchor[, delta[, borderType]]]]	) ->	DST
方法 描述
src 输入图像
dst 输出图像
ddepth 目标图像的所需深度,请参阅组合
kernel 卷积核(或者更确切地说是相关核),单通道浮点矩阵;如果要将不同的内核应用于不同的通道,请使用 Split 将图像拆分为单独的颜色平面,然后单独处理它们。
anchor anchor 的 anchor 表示 filtered 点在 kernel 中的相对位置;锚应位于内核内;默认值 (-1,-1) 表示定位点位于内核中心。
delta 在将过滤的像素存储到 DST 之前添加到过滤像素的可选值。
borderType 素外插方法,请参阅 BorderTypes。不支持BORDER_WRAP

6.2、Sobel

python 复制代码
cv.Sobel(	src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]]	) ->	dst

| 方法 | 描述 |
| src | 输入图像 |
| dst | 输出图像 |
| ddepth | 目标图像的所需深度,请参阅组合 |
| dx | 导数 X 的阶数 |
| dy | 导数 y 的阶数 |
| ksize | 扩展 Sobel 核的大小;它必须是 1、3、5 或 7。 |
| scale | 计算的导数值的可选比例因子;默认情况下,不应用缩放(有关详细信息,请参阅 getDerivKernels)。 |
| delta | 在将过滤的像素存储到 DST 之前添加到过滤像素的可选值。 |

borderType 素外插方法,请参阅 BorderTypes。不支持BORDER_WRAP

6.3、Laplacian

python 复制代码
cv.Laplacian(	src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]]	) ->	dst

| 方法 | 描述 |
| src | 输入图像 |
| dst | 与 src 具有相同大小和相同通道数的目标图像。 |
| ddepth | 目标图像的所需深度,请参阅组合。 |
| ksize | 用于计算二阶导数滤波器的孔径大小。有关详细信息,请参阅 getDerivKernels。大小必须为正数和奇数。 |
| scale | 计算的拉普拉斯值的可选比例因子。默认情况下,不应用缩放。有关详细信息,请参阅 getDerivKernels。 |
| delta | 在将结果存储在 dst 中之前添加到结果中的可选 delta 值。 |

borderType 像素外插方法,请参阅 BorderTypes。不支持BORDER_WRAP
相关推荐
Joseit16 分钟前
AI应用生成平台:数据库、缓存与存储
数据库·人工智能·缓存
QYR_1142 分钟前
2025-2031年全球箱体与盒体搬运机器人行业全景报告(含市场规模、竞争格局及投资潜力)
人工智能·市场研究
Lxinccode42 分钟前
python(44) : docker构建支持消费rocketmq的客户端
python·docker·rocketmq·importerror·not found·dynamic library·pyrocketmq
绵羊20231 小时前
ImmuCellAI 免疫浸润分析
linux·python
袁总6662 小时前
智能座舱问答
人工智能
MediaTea3 小时前
Python IDE:Spyder
开发语言·ide·python
Sirius Wu3 小时前
SFT/DPO/PPO/GRPO训练全解析
人工智能·深度学习·语言模型
B站_计算机毕业设计之家3 小时前
大数据 Python小说数据分析平台 小说网数据爬取分析系统 Django框架 requests爬虫 Echarts图表 17k小说网 (源码)✅
大数据·爬虫·python·机器学习·数据分析·可视化·小说
Learn Beyond Limits3 小时前
Clustering|聚类
人工智能·深度学习·神经网络·机器学习·ai·聚类·吴恩达
KKKlucifer3 小时前
IDC发布AI+政务、财政、应急三大市场空间与厂商份额报告
人工智能·百度·政务