OpenCV半小時(shí)掌握基本操作之邊緣檢測

【OpenCV】⚠️高手勿入! 半小時(shí)學(xué)會(huì)基本操作⚠️ 邊緣檢測

概述

OpenCV 是一個(gè)跨平臺(tái)的計(jì)算機(jī)視覺庫, 支持多語言, 功能強(qiáng)大. 今天小白就帶大家一起攜手走進(jìn) 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(shù)不同. Scharr 算子對邊界更加敏感, 也更容易誤判.

卷積核參數(shù):

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(jié)果:

Laplacian 算子

拉普拉斯算子 (Laplacian) 是圖像二階空間導(dǎo)數(shù)的二維向同性測度. 拉普拉斯算子可以突出圖像中強(qiáng)度發(fā)生快速變化的區(qū)域, 因此常用在邊緣檢測任務(wù)當(dāng)中.

在進(jìn)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(shù):

例子:

# 讀取圖片, 并準(zhǔn)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(jié)果:

注: Sigma 值越小, 模板的中心系數(shù)就越大, 周圍的系數(shù)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:

1. 使用高斯濾波器, 平滑圖像, 消除噪聲
2. 計(jì)算圖像中每個(gè)像素點(diǎn)的梯度強(qiáng)度和方向
3. 使用沒極大值抑制 (Non-Maximum Suppression) 消除邊緣檢測帶來的雜散響應(yīng)
4. 使用雙閾值檢測 (Double Threshold) 來確定真實(shí)和潛在的邊緣
5. 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(zhuǎn)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(jié)果:

到此這篇關(guān)于OpenCV半小時(shí)掌握基本操作之邊緣檢測的文章就介紹到這了,更多相關(guān)OpenCV邊緣檢測內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！