这篇“python的Sobel算子怎么使用”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“python的Sobel算子怎么使用”文章吧。
成都创新互联坚持“要么做到,要么别承诺”的工作理念,服务领域包括:成都网站制作、做网站、企业官网、英文网站、手机端网站、网站推广等服务,满足客户于互联网时代的门头沟网站设计、移动媒体设计的需求,帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴!
说明
1、Sobel算子根据像素点的上下、左右相邻点的灰度加权差,在边缘达到极值的现象来检测边缘。
它具有平滑的噪声功能,并提供更准确的边缘方向信息。由于Sobel算子结合了高斯平滑度和微分求导(分化),因此结果会更具抗噪性,当对精度要求不高时,Sobel算子是一种常用的边缘检测方法。
2、Sobel算子仍然是过滤器,但它有方向。
dst = cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]])
实例
# coding=utf-8 import cv2 import numpy as np img = cv2.imread("D:/test/26.png", 0) ''' 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。 ''' x = cv2.Sobel(img, cv2.CV_16S, 1, 0) y = cv2.Sobel(img, cv2.CV_16S, 0, 1) absX = cv2.convertScaleAbs(x)# 转回uint8 absY = cv2.convertScaleAbs(y) dst = cv2.addWeighted(absX, 0.5, absY, 0.5, 0) cv2.imshow("orign", img) cv2.imshow("absX", absX) cv2.imshow("absY", absY) cv2.imshow("Result", dst) cv2.waitKey(0) cv2.destroyAllWindows()
以上就是关于“python的Sobel算子怎么使用”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注创新互联行业资讯频道。