图像梯度处理与边缘检测：OpenCV 实战指南

import cv2
import numpy as np

# 自定义卷积核
kernel = np.array([[-1, 0, 1],
                   [-2, 0, 2],
                   [-1, 0, 1]], dtype=np.float32)

# 读取图像
img = cv2.imread("./opencv_work/src/shudu.png")

# 使用卷积核进行边缘检测
img2 = cv2.filter2D(img, -1, kernel=kernel)  # 垂直边缘检测
img3 = cv2.filter2D(img, -1, kernel=kernel.T)  # 水平边缘检测

# 显示结果
cv2.imshow("Original Image", img)
cv2.imshow("Vertical Edges", img2)
cv2.imshow("Horizontal Edges", img3)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果

通过自定义卷积核，我们可以清晰地提取出图像中的垂直边缘和水平边缘。

2. Sobel 算子

Sobel 算子是一种经典的边缘检测方法，它通过计算图像在水平方向和垂直方向上的梯度来检测边缘。Sobel 算子的核心是两个卷积核，分别用于计算水平梯度和垂直梯度。

代码示例

python 复制代码

import cv2

# 读取图像并转换为灰度
img = cv2.imread("./opencv_work/src/shudu.png", cv2.IMREAD_GRAYSCALE)

# 使用 Sobel 算子进行边缘检测
img2 = cv2.Sobel(img, -1, dx=1, dy=0, ksize=3)  # 水平边缘检测
img3 = cv2.Sobel(img, -1, dx=0, dy=1, ksize=3)  # 垂直边缘检测

# 显示结果
cv2.imshow("Original Image", img)
cv2.imshow("Horizontal Edges (Sobel)", img2)
cv2.imshow("Vertical Edges (Sobel)", img3)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果

Sobel 算子可以有效地检测出图像中的边缘，适用于各种场景。

3. Laplacian 算子

Laplacian 算子是一种二阶导数算子，它通过计算图像的二阶梯度来检测边缘。Laplacian 算子的核心是一个卷积核，通常用于检测图像中的局部变化。

代码示例

python 复制代码

import cv2

# 读取图像并转换为灰度
img = cv2.imread("./opencv_work/src/shudu.png", cv2.IMREAD_GRAYSCALE)

# 使用 Laplacian 算子进行边缘检测
img2 = cv2.Laplacian(img, -1, ksize=3)

# 显示结果
cv2.imshow("Original Image", img)
cv2.imshow("Edges (Laplacian)", img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果

Laplacian 算子可以检测出图像中的局部变化，适用于边缘检测。

4. Canny 边缘检测

Canny 边缘检测是一种非常流行的边缘检测算法，它通过多步处理来提取图像中的边缘。Canny 算法的核心思想是通过梯度幅值和方向来检测边缘，并通过双阈值方法来抑制非边缘像素。

代码示例

python 复制代码

import cv2

# 读取图像并转换为灰度
img = cv2.imread("./src/face.png", cv2.IMREAD_GRAYSCALE)

# 使用 Canny 算法进行边缘检测
img_canny = cv2.Canny(img, 100, 150)

# 显示结果
cv2.imshow("Original Image", img)
cv2.imshow("Edges (Canny)", img_canny)
cv2.waitKey(0)
cv2.destroyAllWindows()

效果

Canny 算法可以提取出清晰的边缘，适用于各种复杂的图像。

总结

本文介绍了如何使用 OpenCV 实现图像梯度处理和边缘检测。通过自定义卷积核、Sobel 算子、Laplacian 算子和 Canny 算法，我们可以有效地提取图像中的边缘信息。每种方法都有其特点和适用场景：

自定义卷积核：适用于简单的边缘检测任务。
Sobel 算子：适用于检测水平和垂直边缘。
Laplacian 算子：适用于检测图像中的局部变化。
Canny 算法：适用于提取清晰的边缘，适用于复杂的图像。