Python，OpenCV尋找圖像的梯度、邊緣

• • 1. 效果圖
  • 2. 源碼
  • 參考

這篇博客將介紹如何使用cv2.Sobel()、cv2.Scharr()、cv2.Laplacian()尋找圖像的梯度、邊緣；

• OpenCV提供了三種類型的梯度濾波器或高通濾波器，Sobel、Scharr和Laplacian。
• Sobel算子是一種聯合高斯平滑加微分運算，它對噪聲的抵抗能力更強。
• Schaar的效果要比Sobel好一些

1. 效果圖

原始圖 VS 拉普拉斯 VS SobelX VS SobleY VS SchaarX VS SchaarY效果圖如下：

2. 源碼

# 使用cv2.Sobel()、cv2.Scharr()、cv2.Laplacian()尋找圖像的梯度、邊緣；
# OpenCV提供了三種類型的梯度濾波器或高通濾波器，Sobel、Scharr和Laplacian。
# Sobel算子是一種聯合高斯平滑加微分運算，因此它對噪聲的抵抗能力更強。
# Schaar的效果要比Sobel好一些
import cv2
from matplotlib import pyplot as pltimg = cv2.imread('gw.jpg', 0)laplacian = cv2.Laplacian(img, cv2.CV_64F)
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=5)
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=5)schaarx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=-1)
schaary = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=-1)plt.subplot(3, 2, 1), plt.imshow(img, cmap='gray')
plt.title('Original'), plt.xticks([]), plt.yticks([])
plt.subplot(3, 2, 2), plt.imshow(laplacian, cmap='gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])
plt.subplot(3, 2, 3), plt.imshow(sobelx, cmap='gray')
plt.title('Sobel X'), plt.xticks([]), plt.yticks([])
plt.subplot(3, 2, 4), plt.imshow(sobely, cmap='gray')
plt.title('Sobel Y'), plt.xticks([]), plt.yticks([])
plt.subplot(3, 2, 5), plt.imshow(schaarx, cmap='gray')
plt.title('Schaar Y'), plt.xticks([]), plt.yticks([])
plt.subplot(3, 2, 6), plt.imshow(schaary, cmap='gray')
plt.title('Schaar Y'), plt.xticks([]), plt.yticks([])plt.show()

參考

• https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_gradients/py_gradients.html#gradients

總結

以上是生活随笔為你收集整理的使用cv2.Sobel()、cv2.Scharr()、cv2.Laplacian()寻找图像的梯度、边缘的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。