边缘检测（opencv_python下）

参考：

OpenCV-Python教程（6、Sobel算子）

OpenCV-Python教程（7、Laplacian算子）

Python下opencv使用笔记（七）（图像梯度与边缘检测）

---

Sobel算子
原型
Sobel算子依然是一种过滤器，只是其是带有方向的。在OpenCV-Python中，使用Sobel的算子的函数原型如下：

dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])
函数返回其处理结果。
前四个是必须的参数：

• 第一个参数是需要处理的图像；
• 第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；
• dx和dy表示的是求导的阶数，0表示这个方向上没有求导，一般为0、1、2。

其后是可选的参数：

• dst不用解释了；
• ksize是Sobel算子的大小，必须为1、3、5、7。
• scale是缩放导数的比例常数，默认情况下没有伸缩系数；
• delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；
• borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

 

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("D:\\software_my_programming\
\\relate_to_irisrecog\\CASIA-Iris-Lamp\\001\\L\\S2001L01.jpg",0)
#读取图像，0为灰度图像，1为彩色图像

x = cv2.Sobel(img,cv2.CV_16S,1,0)
y = cv2.Sobel(img,cv2.CV_16S,0,1)

absX = cv2.convertScaleAbs(x)
absY = cv2.convertScaleAbs(y)#转回uint8

dst = cv2.addWeighted(absX,0.5,absY,0.5,0)


plt.subplot(221),plt.imshow(img,'gray')
plt.subplot(222),plt.imshow(absX,'gray')
plt.subplot(223),plt.imshow(absY,'gray')
plt.subplot(224),plt.imshow(dst,'gray')
plt.show()

在Sobel函数的第二个参数这里使用了cv2.CV_16S。因为OpenCV文档中对Sobel算子的介绍中有这么一句：“in the case of 8-bit input images it will result in truncated derivatives”。即Sobel函数求完导数后会有负值，还有会大于255的值。而原图像是uint8，即8位无符号数，所以Sobel建立的图像位数不够，会有截断。因此要使用16位有符号的数据类型，即cv2.CV_16S。

在经过处理后，别忘了用convertScaleAbs()函数将其转回原来的uint8形式。否则将无法显示图像，而只是一副灰色的窗口。convertScaleAbs()的原型为：

dst = cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])

其中可选参数alpha是伸缩系数，beta是加到结果上的一个值。结果返回uint8类型的图片。
由于Sobel算子是在两个方向计算的，最后还需要用cv2.addWeighted(...)函数将其组合起来。其函数原型为：

dst = cv2.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]])

其中alpha是第一幅图片中元素的权重，beta是第二个的权重，gamma是加到最后结果上的一个值。

 

laplacian算子

其核模板为： 

                                                                                      

在OpenCV-Python中，Laplace算子的函数原型如下：

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

前两个是必须的参数：

• 第一个参数是需要处理的图像；
• 第二个参数是图像的深度，-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度；
• 其后是可选的参数：

 

• dst不用解释了；
• ksize是算子的大小，必须为1、3、5、7。默认为1。
• scale是缩放导数的比例常数，默认情况下没有伸缩系数；
• delta是一个可选的增量，将会加到最终的dst中，同样，默认情况下没有额外的值加到dst中；
• borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。

以上三种检测算子的一个代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("D:\\software_my_programming\
\\relate_to_irisrecog\\CASIA-Iris-Lamp\\001\\L\\S2001L01.jpg",0)
#读取图像，0为灰度图像，1为彩色图像

sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)#默认ksize=3
sobely = cv2.Sobel(img,cv2.CV_64F,0,1)
sobelxy = cv2.Sobel(img,cv2.CV_64F,1,1)
laplacian = cv2.Laplacian(img,cv2.CV_64F)#默认ksize=3
#人工生成一个高斯核，去和函数生成的比较
kernel = np.array([[0,-1,0],[-1,4,-1],[0,-1,0]],np.float32)#
img1 = np.float64(img)#转化为浮点型的
img_filter = cv2.filter2D(img1,-1,kernel)
sobelxy1 = cv2.Sobel(img1,-1,1,1)#目标图像深度不够

plt.figure()
plt.subplot(221),plt.imshow(sobelx,'gray')
plt.subplot(222),plt.imshow(sobely,'gray')
plt.subplot(223),plt.imshow(sobelxy,'gray')
plt.subplot(224),plt.imshow(laplacian,'gray')


plt.figure()
plt.imshow(img_filter,'gray')

plt.show()

 

 

关于canny算子：

canny算子

不完善代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("D:\\software_my_programming\
\\relate_to_irisrecog\\CASIA-Iris-Lamp\\001\\L\\S2001L01.jpg",0)
#读取图像，0为灰度图像，1为彩色图像

edges = cv2.Canny(img,50,90)


plt.subplot(121)
plt.imshow(img,'gray')
plt.subplot(122)
plt.imshow(edges,'gray')

plt.show()

over！