Python-OpenCV 图像处理(十七):Canny边缘提取(Sobel,Scharr,Laplacian算子)

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

__author__ = "zxsuperstar"
__email__ = "[email protected]"

"""
Canny边缘提取
Canny 的目标是找到一个最优的边缘检测算法,最优边缘检测的含义是:
好的检测- 算法能够尽可能多地标识出图像中的实际边缘。
好的定位- 标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近。
最小响应- 图像中的边缘只能标识一次,并且可能存在的图像噪声不应标识为边缘。
算法步骤:
  ①高斯模糊 - GaussianBlur
 ②灰度转换 - cvtColor
 ③计算梯度 – Sobel/Scharr
 ④非最大信号抑制
 ⑤高低阈值输出二值图像
"""
def edge_demo(image):
    blurred = cv2.GaussianBlur(image,(3,3),0)
    gray = cv2.cvtColor(blurred,cv2.COLOR_BGRA2GRAY)
    xgrad = cv2.Sobel(gray, cv2.CV_16SC1,1,0)
    ygrad = cv2.Sobel(gray, cv2.CV_16SC1,0,1)
    # edge_output = cv2.Canny(xgrad,ygrad,50,150)
    edge_output = cv2.Canny(gray,50,150)
    cv2.imshow("canny edge",edge_output)

    dst = cv2.bitwise_and(image,image,mask=edge_output)
    cv2.imshow("color edge",dst)

def sobel(img):
    x = cv2.Sobel(img, cv2.CV_16S, 1, 0)
    y = cv2.Sobel(img, cv2.CV_16S, 0, 1)
    # cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])
    # 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uint类型的图像
    Scale_absX = cv2.convertScaleAbs(x)  # convert 转换  scale 缩放
    Scale_absY = cv2.convertScaleAbs(y)
    result = cv2.addWeighted(Scale_absX, 0.5, Scale_absY, 0.5, 0)
    cv2.imshow('img', img)
    cv2.imshow('Scale_absX', Scale_absX)
    cv2.imshow('Scale_absY', Scale_absY)
    cv2.imshow('Scale_result', result)

def scharr(img):
    x = cv2.Sobel(img, cv2.CV_16S, 1, 0, ksize=-1)
    y = cv2.Sobel(img, cv2.CV_16S, 0, 1, ksize=-1)
    # ksize=-1 Scharr算子
    # cv2.convertScaleAbs(src[, dst[, alpha[, beta]]])
    # 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uint类型的图像
    Scharr_absX = cv2.convertScaleAbs(x)  # convert 转换  scale 缩放
    Scharr_absY = cv2.convertScaleAbs(y)
    result = cv2.addWeighted(Scharr_absX, 0.5, Scharr_absY, 0.5, 0)
    cv2.imshow('img', img)
    cv2.imshow('Scharr_absX', Scharr_absX)
    cv2.imshow('Scharr_absY', Scharr_absY)
    cv2.imshow('Scharr_result', result)

def canny(img):
    blur = cv2.GaussianBlur(img, (3, 3), 0)  # 用高斯滤波处理原图像降噪
    canny = cv2.Canny(blur, 50, 150)  # 50是最小阈值,150是最大阈值
    cv2.imshow('canny', canny)

def laplacian(img):
    laplacian = cv2.Laplacian(img, cv2.CV_16S, ksize=3)
    dst = cv2.convertScaleAbs(laplacian)
    cv2.imshow('laplacian', dst)



if __name__ == "__main__":
    src = cv2.imread("t.jpg") #blue green red
    # cv2.namedWindow("image", cv2.WINDOW_AUTOSIZE)
    cv2.imshow("image",src)
    edge_demo(src)
    sobel(src)
    scharr(src)
    canny(src)
    laplacian(src)
    cv2.waitKey(0)
    cv2.destroyAllWindows()





说明:

OpenCV的Canny函数用于在图像中查找边缘,其函数原型有两种:

①直接调用Canny算法在单通道灰度图像中查找边缘,

其函数原型为:Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges

image参数表示8位输入图像。

threshold1参数表示设置的低阈值。

threshold2参数表示设置的高阈值,一般设定为低阈值的3倍 (根据Canny算法的推荐)。

edges参数表示输出边缘图像,单通道8位图像。

apertureSize参数表示Sobel算子的大小。

L2gradient参数表示一个布尔值,如果为真,则使用更精确的L2范数进行计算(即两个方向的倒数的平方和再开方),否则使用L1范数(直接将两个方向导数的绝对值相加)。

②使用带自定义图像渐变的Canny算法在图像中查找边缘,

其函数原型为:Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]) -> edges

dx参数表示输入图像的x导数(x导数满足16位,选择CV_16SC1或CV_16SC3)

dy参数表示输入图像的y导数(y导数满足16位,选择CV_16SC1或CV_16SC3)。

threshold1参数表示设置的低阈值。

threshold2参数表示设置的高阈值,一般设定为低阈值的3倍 (根据Canny算法的推荐)。

edges参数表示输出边缘图像,单通道8位图像。

L2gradient参数表示L2gradient参数表示一个布尔值,如果为真,则使用更精确的L2范数进行计算(即两个方向的倒数的平方和再开方),否则使用L1范数(直接将两个方向导数的绝对值相加)。

参考:https://www.cnblogs.com/FHC1994/p/9125570.html

你可能感兴趣的:(python,图像处理)