图像基础、OpenCV入门4——图像边缘算法

欧氏距离算法

将当前像素与邻接的下部和右部的像素进行比较，如果相似，则将当前像素设置为白色，否则设置为黑色。
判定像素是否相似，使用欧氏距离算法，将一个像素的三个色彩分量映射在三维空间中，如果2个像素点的欧氏距离小于某个常数的阈值，就认为它们相似。

代码

# -*- coding: utf-8 -*-
import cv2
import numpy as np

fn = 'test1.jpg'
def get_EuclideanDistance(x,y):
    myx = np.array(x)
    myy = np.array(y)
    return np.sqrt(np.sum((myx-myy)*(myx-myy)))

if __name__ == '__main__':
    print('loading %s ...' % fn)
    print ('working',)
    myimg1 = cv2.imread(fn)
    w = myimg1.shape[1]
    h = myimg1.shape[0]
    sz1 = w
    sz0 = h
    # 创建空白图像
    myimg2 = np.zeros((sz0, sz1, 3), np.uint8)
    # 对比产生线条
    black = np.array([0,0,0])
    white = np.array([255,255,255])
    centercolor = np.array([125,125,125])
    for y in range(0,sz0 - 1):
        for x in range(0,sz1 - 1):
            mydown = myimg1[y+1,x,:]
            myright = myimg1[y,x+1,:]

            myhere = myimg1[y,x,:]
            lmyhere = myhere
            lmyright = myright
            lmydown = mydown
            if get_EuclideanDistance(lmyhere, lmydown) >16 and get_EuclideanDistance(lmyhere,lmyright)>16:
                myimg2[y,x,:] = black
            elif get_EuclideanDistance(lmyhere,lmydown) <=16 and get_EuclideanDistance(lmyhere,lmyright)<=16:
                myimg2[y,x,:] = white
            else:
                myimg1[y,x,:]=centercolor
            print ('.',)
    cv2.namedWindow('img2')
    cv2.imshow('img2',myimg2)
    cv2.waitKey()
    cv2.destrdestroyAllWindows()

原图：

结果

---

Laplacian

Laplacian 算子是n维欧几里德空间中的一个二阶微分算子，定义为梯度grad的散度div。可使用运算模板来运算这定理定律。

Laplacian 算子对噪声比较敏感，所以图像一般先经过平滑处理，因为平滑处理也是用模板进行的，所以，通常的分割算法都是把Laplacian 算子和平滑算子结合起来生成一个新的模板。

——百度百科

Python的Laplacian函数进行边缘检测：

cv2.Laplacian(src,ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]]) -> dst

示例程序

# -*- coding: utf-8 -*-
# coding=utf-8
# 线性锐化滤波，拉普拉斯图像变换
import cv2
import numpy as np 

fn = "test.jpg"
myimg = cv2.imread(fn)

img=cv2.cvtColor(myimg,cv2.COLOR_BGR2GRAY)
img_small=cv2.resize(img,(500,300),interpolation=cv2.INTER_CUBIC)

jpimg = cv2.Laplacian(img_small, -1)
cv2.imshow('src',img_small)
cv2.imshow('dst',jpimg)
cv2.waitKey()
cv2.destroyAllWindows()

---

sobel 非线性滤波

sobel非线性滤波采用梯度模的近似方式提取边缘，锐化图像。

# -*- coding: utf-8 -*-
# coding=utf-8
# 线性锐化滤波，拉普拉斯图像变换
import cv2
import numpy as np 

fn = "test.jpg"
myimg = cv2.imread(fn)

img=cv2.cvtColor(myimg,cv2.COLOR_BGR2GRAY)
img_small=cv2.resize(img,(500,300),interpolation=cv2.INTER_CUBIC)

jpimg = cv2.Sobel(img_small, 0, 1, 1,)
cv2.imshow('src',img_small)
cv2.imshow('dst',jpimg)
cv2.waitKey()
cv2.destroyAllWindows()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zLUhJywZ-1574725781388)(https://img-blog.csdn.net/20171019084426632?watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQveHVuZGg=/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/SouthEast)]

如果将结果进行反转处理，可得到更好地效果。