python3+opencv3用拉普拉斯算子實現邊緣檢測
圖像處置過程中邊緣檢測常采用索貝爾，拉普拉斯算子等方式。普遍用于各類處置方式前期加工之中，方式也良多。本文采用python的opencv函數庫利用Laplacian算子實現邊緣檢測。
東西/原料
- pycharm和windows7情況
- python3情況下opencv3模塊
方式/步調
- 1
理論描述：
按照官網描述和圖形描畫，第一張圖可知：diyiznag可以形象得知，強度的一階導數，邊緣的特征是最大值，是像素強度顯示“跳躍”或強度的高轉變。
第二張圖可知二階導數為零時，是邊緣跳躍或強度的高轉變。也就是邊緣。
這兩張圖很是形象的描畫了邊緣檢測的理論根本。
- 2
為了簡單，本身構建了一個米框圖，便于不雅察！
import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt
image = cv.imread('c:\\black_MiLine.png',0)
cv.imshow('image',image)
cv.waitKey(0)
- 3
Laplacian函數簡介：
dst = cv.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])
前兩個是必需的參數：
第一個原圖像；
第二個是圖像的深度，-1暗示與原圖像不異深度。方針圖像深度必需大于等于原圖像深度；
厥后是可選的參數：
dst方針圖像；
ksize是算子的巨細，必需為1、3、5、7。默認為1。
scale是縮放導數的比例常數，默認無伸縮系數；
delta是可選增量，會加到最終的dst中，默認環境下無額外的值加dst；
borderType是判定圖像鴻溝模式。缺省cv.BORDER_DEFAULT。
- 4
進行變換：
Laplacian = cv.Laplacian(image, cv.CV_16S, ksize=3)cv.imshow('Laplacian',Laplacian)
我們發現輸出是會的。沒有其他內容。
- 5
對上述成果進行convertScaleAbs，再看成果！
Laplacian_result = cv.convertScaleAbs(Laplacian)
print(Laplacian_result)
cv.imshow('Laplacian_result',Laplacian_result)
cv.waitKey(0)
- 6
再來一個單步模擬
kernel = np.array([[0,-1,0],[-1,4,-1],[0,-1,0]],np.float32)
image_tmp = np.float64(image)
img_filter = cv.filter2D(image_tmp,-1,kernel)
cv.imshow('img_filter',img_filter)
cv.waitKey(0)
至此完當作拉普拉斯算子。
注重事項
- 就兩步 1）先cv.Laplacian(image, cv.CV_16S, ksize=3)
- 2）再 cv.convertScaleAbs(Laplacian) 即可
- 發表于 2019-03-12 20:01
- 閱讀 ( 1126 )
- 分類：其他類型
0 篇文章
作家榜 ?
-
xiaonan123
189 文章
-
湯依妹兒
97 文章
-
luogf229
46 文章
-
jy02406749
45 文章
-
小凡
34 文章
-
Daisy萌
32 文章
-
我的QQ3117863681
24 文章
-
華志健
23 文章