OPENCV复习第二期

主要算法说明

1. Sobel 算子

   • 用于计算图像的梯度（边缘），分别检测 x 方向（水平）和 y 方向（垂直）的边缘
   • cv2.Sobel(yt, cv2.CV_64F, dx=1, dy=0)：计算 x 方向梯度（dx=1, dy=0）
   • cv2.Sobel(yt, cv2.CV_64F, dx=0, dy=1)：计算 y 方向梯度（dx=0, dy=1）
   • 使用cv2.CV_64F是为了保留梯度的正负值（边缘可能是亮到暗或暗到亮）
   • cv2.convertScaleAbs()：将梯度值转换为绝对值并转为 8 位图像（便于显示）
   • cv2.addWeighted()：将 x 和 y 方向的边缘图像融合，得到完整边缘

2. Scharr 算子

   • 是 Sobel 算子的改进版，在 3x3 卷积核下具有更高的精度，对边缘的检测更敏感
   • 使用方式与 Sobel 类似：cv2.Scharr(yt, cv2.CV_64F, dx=1, dy=0)
   • 适用于需要更精确边缘检测的场景

3. Laplacian 算子

   • 基于图像的二阶导数，对图像中的快速变化（边缘）更敏感
   • cv2.Laplacian(yt, cv2.CV_64F)：直接计算图像的拉普拉斯变换
   • 对噪声较敏感，通常需要先进行平滑处理

4. Canny 边缘检测

   • 一种多阶段的边缘检测算法，能有效抑制噪声并检测出真正的边缘
   • cv2.Canny(yt, 80, 120)：两个阈值分别为低阈值和高阈值
     • 低于低阈值的像素被丢弃
     • 高于高阈值的像素被保留为边缘
     • 介于两者之间的像素，若与边缘像素相连则保留