OpenCV学习-P34-P38 Opencv边缘检测

边缘检测分为两类：基于搜索和基于零穿越
基于搜索：寻找图像的一阶导数的最大值来检测边界，然后利用计算结果估计边缘的局部方向，通常采用梯度的方向，并利用此方向找到局部梯度模的最大值，代表算法是Sobel算子和Scharr算子

基于零穿越：通过寻找图像二阶导数零穿越来寻找边界，代表算法是Laplacian算子

Sobel检测算子

Sobel算子检测效率高，但是检测结果不如Canny准确

sobel算子注意以下几点：
1.soble计算后会出现小于0或大于255，所以在sobel函数中需要传入cv_16s转化为16位有符号的数据类型
2.使用sobel算子后还需要使用cv.convertScaleAbs重新转换为uint8
3.最终需要使用cv.addWeighted将x和y方向的梯度结合

#1 读取图片
img= cv2.imread(r'.\\Image_20220709101917854.bmp',0)
#2 计算sobel算子
x = cv2.Sobel(img,cv2.CV_16S,1,0)
y = cv2.Sobel(img,cv2.CV_16S,0,1)
#3 将数据进行转换
Scale_abX = cv2.convertScaleAbs(x)
Scale_abY = cv2.convertScaleAbs(y)
#4结果合成
result = cv2.addWeighted(Scale_abX,0.5,Scale_abY,0.5,0)
plt.imshow(result,cmap="gray")
plt.show()

Laplacian检测算子

img= cv2.imread(r'.\\Image_20220709101917854.bmp',0)

x = cv2.Laplacian(img,cv2.CV_16S)
result=cv2.convertScaleAbs(x)
plt.imshow(result,cmap="gray")
plt.show()

Canny边缘检测算法

Canny边缘检测原理：
第一步：噪声去除，使用高斯滤波
第二步：计算图像梯度，使用Sobel算子计算x和y方向上的梯度和方向
第三步：非极大值抑制，对每个像素进行扫描，看这个点的梯度是不是周围具有相同梯度方向的点最大的
第四部：滞后阈值

边缘检测总结