目錄
- 概述
- Scharr 算子
- Laplacian 算子
- Sobel vs Scharr vs Laplacian
- Canny 邊緣檢測
【OpenCV】⚠️高手勿入! 半小時學會基本操作⚠️ 邊緣檢測
概述
OpenCV 是一個跨平臺的計算機視覺庫, 支持多語言, 功能強大. 今天小白就帶大家一起攜手走進 OpenCV 的世界. (第 12 課)
Scharr 算子
Scharr 算子和 Sobel 算子基本一樣. 只是卷積核系數不同. Scharr 算子對邊界更加敏感, 也更容易誤判.
卷積核參數:
例子:
# Scharr 算子
scharr_x = cv2.Scharr(img, cv2.CV_64F, 1, 0)
scharr_y = cv2.Scharr(img, cv2.CV_64F, 0, 1)
# 取絕對值
scharr_x = cv2.convertScaleAbs(scharr_x)
scharr_y = cv2.convertScaleAbs(scharr_y)
# 融合
scharr_xy = cv2.addWeighted(scharr_x, 0.5, scharr_y, 0.5, 0)
# 展示圖片
cv2.imshow("scharr_xy", scharr_xy)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
Laplacian 算子
拉普拉斯算子 (Laplacian) 是圖像二階空間導數的二維向同性測度. 拉普拉斯算子可以突出圖像中強度發生快速變化的區域, 因此常用在邊緣檢測任務當中.
在進行 Laplacian 操作之前通常需要先用高斯平滑濾波器 (Gaussian Blur) 降低 Laplacian 算子對于噪聲的敏感性.
卷積核參數:
例子:
# 讀取圖片, 并準換成灰度圖
img = cv2.imread("Mona_Lisa.jpg", cv2.IMREAD_GRAYSCALE)
# 高斯濾波器 (3 X 3)
img = cv2.GaussianBlur(img, (3, 3), sigmaX=0.1)
# Laplacian 算子
laplacian = cv2.Laplacian(img, cv2.CV_64F)
# 取絕對值
laplacian = cv2.convertScaleAbs(laplacian)
# 展示圖片
cv2.imshow("laplacian", laplacian)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
注: Sigma 值越小, 模板的中心系數就越大, 周圍的系數較小, 平滑的效果就不是很明顯.
Sobel vs Scharr vs Laplacian
Canny 邊緣檢測
Canny 邊緣檢測是非常流行的一種邊緣檢測算法, 由 John Canny 在 1986 年提出.
步驟:
- 使用高斯濾波器, 平滑圖像, 消除噪聲
- 計算圖像中每個像素點的梯度強度和方向
- 使用沒極大值抑制 (Non-Maximum Suppression) 消除邊緣檢測帶來的雜散響應
- 使用雙閾值檢測 (Double Threshold) 來確定真實和潛在的邊緣
- 通過抑制孤立的弱邊緣最終完成邊緣檢測
高斯濾波器
梯度和方向
非極大值抑制
雙閾值檢測
例子
# 讀取圖片, 并轉換成灰度圖
img = cv2.imread("Mona_Lisa.jpg", cv2.IMREAD_GRAYSCALE)
# Canny邊緣檢測
out1 = cv2.Canny(img, 50, 150)
out2 = cv2.Canny(img, 100, 150)
# 合并
canny = np.hstack((out1, out2))
# 展示圖片
cv2.imshow("canny", canny)
cv2.waitKey(0)
cv2.destroyAllWindows()
輸出結果:
到此這篇關于OpenCV半小時掌握基本操作之邊緣檢測的文章就介紹到這了,更多相關OpenCV邊緣檢測內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python OpenCV實現邊緣檢測
- OpenCV中Canny邊緣檢測的實現
- Python實現Opencv cv2.Canny()邊緣檢測
- 使用Python中OpenCV和深度學習進行全面嵌套邊緣檢測
- OpenCV實現灰度、高斯模糊、邊緣檢測的示例
- Python使用Opencv實現邊緣檢測以及輪廓檢測的實現
- 如何利用Python 進行邊緣檢測
- python實現canny邊緣檢測
