网站备案 类型,手机浏览器输入网址,百度助手下载,游戏开发培训班9.1 Roberts算子
Roberts算子又称为交叉微分算法#xff0c;是基于交叉差分的梯度算法#xff0c;通过局部差分计算检测边缘线条。
常用来处理具有陡峭的低噪声图像#xff0c;当图像边缘接近于正45度或负45度时#xff0c;该算法处理效果更理想。
其缺点是对边缘的定位…9.1 Roberts算子
Roberts算子又称为交叉微分算法是基于交叉差分的梯度算法通过局部差分计算检测边缘线条。
常用来处理具有陡峭的低噪声图像当图像边缘接近于正45度或负45度时该算法处理效果更理想。
其缺点是对边缘的定位不太准确提取的边缘线条较粗。
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt # 读取图像
img cv.imread(bridge.png, cv.COLOR_BGR2GRAY)
# cv.COLOR_BGR2GRAY将BGR图像转换为灰度图像
rgb_img cv.cvtColor(img, cv.COLOR_BGR2RGB)# 灰度化处理图像
grayImage cv.cvtColor(img, cv.COLOR_BGR2GRAY)# Roberts算子的两个卷积核kernelx和kernely分别用于检测水平和垂直方向的边缘。
kernelx np.array([[-1, 0], [0, 1]], dtypeint)
kernely np.array([[0, -1], [1, 0]], dtypeint)# 使用cv.filter2D函数对灰度图像进行卷积操作得到水平和垂直方向的梯度图像。
x cv.filter2D(grayImage, cv.CV_16S, kernelx)
y cv.filter2D(grayImage, cv.CV_16S, kernely)# 将卷积后的图像数据转换为绝对值并转换为uint8类型以便于显示。
absX cv.convertScaleAbs(x)
absY cv.convertScaleAbs(y)
# 将两个方向的梯度图像融合得到最终的Roberts算子边缘检测图像。
Roberts cv.addWeighted(absX, 0.5, absY, 0.5, 0)# 显示图形
titles [src, Roberts operator]
images [rgb_img, Roberts]for i in range(2):# 使用matplotlib的subplot和imshow函数显示原始图像和Roberts算子处理后的图像plt.subplot(1, 2, i 1), plt.imshow(images[i], gray)plt.title(titles[i])plt.xticks([]), plt.yticks([])
plt.show() Sobel算子边缘检测 Sobel算子索贝尔算子利用像素上、下、左、右邻域的灰度加权算法根据在边缘点处达到极值这一原理进行边缘检测。
该方法不但产生较好的检测效果而且对噪声具有平滑作用可以提供较为精确的边缘方向信息。缺点是Sobel算子并没有将图像的主题和背景严格区分开。
使用Sobel边缘检测算子提取图像边缘的过程大致可以分为以下三个步骤
提取x方向的边缘x方向一阶Sobel边缘检测算子如下图1所示 提取y方向的边缘y方向一阶Sobel边缘检测算子如下图2所示 综合两个方向的边缘信息得到整幅图像的边缘。
import cv2 as cv
import matplotlib.pyplot as plt# 读取图像
img cv.imread(bridge.png, cv.COLOR_BGR2GRAY)
rgb_img cv.cvtColor(img, cv.COLOR_BGR2RGB)# 灰度化处理图像
grayImage cv.cvtColor(img, cv.COLOR_BGR2GRAY)# 使用cv.Sobel函数计算图像的水平和垂直方向的梯度
# cv.CV_16S指定数据类型为16位有符号整数。
x cv.Sobel(grayImage, cv.CV_16S, 1, 0)
y cv.Sobel(grayImage, cv.CV_16S, 0, 1)# 将计算得到的梯度图像转换为绝对值并转换为uint8类型以便显示。
absX cv.convertScaleAbs(x)
absY cv.convertScaleAbs(y)
# 将水平和垂直方向的梯度图像融合得到最终的Sobel算子边缘检测图像。
Sobel cv.addWeighted(absX, 0.5, absY, 0.5, 0)# 用来正常显示中文标签
plt.rcParams[font.sans-serif] [SimHei]# 显示图形
titles [原始图像, Sobel 算子]
images [rgb_img, Sobel]for i in range(2):plt.subplot(1, 2, i 1), plt.imshow(images[i], gray)plt.title(titles[i])plt.xticks([]), plt.yticks([])plt.show() 示例 LoG边缘检测算子 该算法首先对图像做高斯滤波然后求其拉普拉斯Laplacian二阶导数即图像与Laplacian of the Gaussian function 进行滤波运算。
LoG算子也就是高斯拉普拉斯函数常用于数字图像的边缘提取和二值化。首先对原始图像进行最佳平滑处理最大限度地抑制噪声再对平滑后的图像求取边缘。
该算法的主要思路和步骤滤波、增强、检测。 import cv2 as cv
import matplotlib.pyplot as plt# 读取图像
img cv.imread(bridge.png)
rgb_img cv.cvtColor(img, cv.COLOR_BGR2RGB)gray_img cv.cvtColor(img, cv.COLOR_BGR2GRAY)# 先通过高斯滤波降噪
gaussian cv.GaussianBlur(gray_img, (3, 3), 0)# 再通过拉普拉斯算子做边缘检测cv.Laplacian函数计算图像的二阶导数
dst cv.Laplacian(gaussian, cv.CV_16S, ksize3)
LOG cv.convertScaleAbs(dst)# 用来正常显示中文标签
plt.rcParams[font.sans-serif] [SimHei]# 显示图形
titles [原始图像, LOG 算子]
images [rgb_img, LOG]for i in range(2):plt.subplot(1, 2, i 1), plt.imshow(images[i], gray)plt.title(titles[i])plt.xticks([]), plt.yticks([])
plt.show()
示例
