OpenCV学习笔记（二）【三种算子】

最新推荐文章于 2024-09-02 00:13:16 发布
原创 最新推荐文章于 2024-09-02 00:13:16 发布 · 432 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#opencv #计算机视觉

本文深入探讨了Sobel算子、Scharr算子及Laplacian算子在图像边缘检测中的应用。Sobel算子结合高斯平滑与微分运算，有效抑制噪声，但可能产生较粗边缘；Scharr算子敏感度高，噪声影响大；Laplacian算子检测边缘突变，但对噪声敏感，常与其他技术结合使用。
  1. Sobel算子
  • 高斯平滑加微分运算的联合运算
高斯模糊的卷积核里的数值是满足高斯分布，相当于更重视中间的
  • 抗噪声，对于噪声具有平滑抑制作用
  • 但是得到的边缘较粗，且可能出现伪边缘。

索贝尔算子不但产生较好的边缘检测效果，而且对噪声具有平滑抑制作用，但是得到的边缘较粗，且可能出现伪边缘。
在这里插入图片描述
2. Scharr算子

夏尔算子灵敏度更高，噪声影响较大。
在这里插入图片描述

  1. Laplacian算子

拉普拉斯算子是图像的离散二阶导数，用于发现边缘突变，但对于噪声来说比较灵敏，一般配合其他技术一起使用。（好像会配合索贝尔）
在这里插入图片描述

opencv学习笔记十二：梯度算子
qq_24946843的博客
09-05 4656
【1】Robert算子： || =  由于平方和不便于计算，故近似为绝对值形式： || =| | 实际应用中，经常采用的是另一种近似梯度： || =|  故Robert梯度模板为： W1 -1 0 0 1 W2 0 -1 1 0 【2】sobel算子：由于一般经常使用奇数模板，所以引入了sobel模板，考虑权重 Wx -1 ...
opencv学习笔记
最新发布
weixin_37079656的博客
08-27 844
对于原图像中的每个像素点 (x, y)，通过某种变换函数找到它在目标图像中对应的新位置 (x’, y’)。滤波的本质：通过一个小的滤波器（或称为核、模板）在图像上滑动，对每个像素邻域进行数学运算，得到新的像素值。基本原理：Laplacian是二阶微分算子，直接计算图像的拉普拉斯变换，对噪声更敏感但能检测更细的边缘。基本原理：Scharr算子是Sobel算子的改进版本，具有更高的旋转对称性和更好的边缘检测精度。原理：检查每个像素点，如果它在梯度方向上的幅值不是局部最大值，则将其抑制（设为0）。
【OpenCV学习】图像梯度：Sobel算子、Scharr算子、Laplacian算子
weixin_42415138的博客
07-28 2260
图像梯度计算的是图像变化的速度。对于边缘部分，其灰度值变化较大，梯度值也较大；相反，较平滑的部分，灰度值变化较小，相应的梯度值也较小，一般情况时，图像梯度计算的是图像的边缘信息。 严格来讲，计算图像梯度需要求导数，但是图像梯度一般通过计算像素值的差来得到梯度的近似值（近似导数值）。 边界是指左侧的像素值与右侧的像素值差值不为零。 Sobel算子 Sobel算子是一种离散的微分算子，该算子结合了高斯平滑和微分求导运算。该算子利用局部查分寻找边缘，计算所得的是一个梯度的近似值。滤波器通常是指由一幅图像根据像素点
OpenCv算子
weixin_64443786的博客
07-16 990
OpenCv
【openCV学习】21.各种算子
m0_66606474的博客
02-18 561
其中cv2.CV_64F这个参数代表计算完之后图片的内容的数据类型，这里用的是openCV中的float64。参数：图片，输出图片的数据类型，-1代表与输入图片的数据类型一致，ksize代表卷积核大小。参数中的0和1代表计算哪个方向的梯度，分别为dx和dy，哪个为1代表计算哪个方向的梯度。拉普拉斯算子不同于前两个需要分开计算x轴和y轴的梯度，它只需要一条语句就可以了。算子和Sobel算子一样，只不过改变了卷积核里面的值。参数：图片，两个阈值，阈值越小，细节越丰富。索贝尔算子 sobel"""
opencv 学习之sobel算子学习
yellow_red_people的博客
02-15 497
sobel算子： I为原图像 1.水平变化 将 与一个奇数大小的内核 进行卷积。比如，当内核大小为3时, 的计算结果为: 2.垂直变化: 将:math:I 与一个奇数大小的内核 进行卷积。比如，当内核大小为3时, 的计算结果为 3.结果： 4.openCv提供的函数： Sobel( src_gr
opencv 常用算子
碧海潮生
06-25 868
opencv 常用算子 常用到的算子 - 1. cv::abs() - 2. cv::add() - 3. cv::addWeighted() - 4. cv::bitwise_and() - 5. cv::bitwise_not() - 6. cv::bitwise_or() - 7. cv::bitwise_xor() - 8. cv::calcCovarMatrix() - 9. cv::cartToPolar() - 10. cv::checkRange() - 11. cv::compare(
opencv学习笔记21-opencv边缘提取（canny算子）
The_xz的博客
09-02 1633
【代码】opencv学习笔记21-opencv边缘提取（canny算子）
精选资源
学习笔记python+opencv利用拉普拉斯算子锐化与sobel算子锐化（csdn）————程序.pdf
12-05
本篇学习笔记主要探讨了如何使用Python结合OpenCV库，通过拉普拉斯算子和Sobel算子来实现图像的锐化处理。 首先，我们导入必要的库，包括OpenCV（cv2）和NumPy（np）。OpenCV是一个强大的图像处理库，提供了丰富的...
精选资源
学习笔记(09):Python+OpenCV计算机视觉-sobel算子及其函数使用
01-07
sobel算子 dst=cv2.Sobel（src，ddepth，dx，dy，[ksize]) ddepth—处理结果图像深度，可设为-1（与原图像深度一致，设为-1边界值会丢失），此处为了保留边界，设置为cv2.cv_64F，再cv2.convertScaleAbs 转化为...
forstner算子
12-29
应用于兴趣点的选择，对于现在流行的字典学习，稀疏表示等领域有很大用处~
forstner算子程序_forstner算子特征点提取_forstner算子_
10-02
forstner算子特征点提取(1)计算数据的方差是否大于一定阈值（3.0），否则不存在兴趣点计算像素的和dSumPixel，像素的平方和dSquareSumPixel方差dVar计算公式：Var(X)=E(X^2)-(E(X)^2)(2)逐像素计算灰度差（四个灰度差值的第二大值）是否大于一定阈值，满足要求选定为可能的兴趣点定义兴趣点的标记bool *bFlags = new bool[iPixelCount];设定阈值为 doubledGrayThreshold = dVar/6.0;(3）逐像素计算在一定窗口内（5×5）的圆度pq值，兴趣值pw值。计算根据该像素所在窗口元素组成的协方差矩阵获取，如下所示公式。pq的阈值选定为0.625，大于该阈值选为待定点；pw的阈值选定为所有的待定点pw值的平均值，大于该阈值继续保留为待定点。(4)判断待定点是否为极值点，即在其周围像素中是否有待定点且pw值大于该像素，如果存在则该点非极值点。(5)如果提取的兴趣点数目大于限制的最大点数，按照pw兴趣值排序，获取兴趣值较大的点。
基于opencv3.2的Moravec、Forstner、Harris算子提取特征点程序
04-25
开发环境为vs2015 debug x64+opencv3.2。资源为一个源.cpp文件，三个算子分别写成了三个函数。下载前请先看一下环境和opencv版本是否一致。
forstner角点检测
07-25
摄影测量必备程序代码之一，用于角点检测，根据不同的原始训练数据需要有不同的阈值调整！
Moravec算子C++实现
08-28
使用尽量简洁的语言，描述Moravec算子，在c++和C语言的混合使用下，结合OPenCV，多使用指针完成该算子。共大家一起学习。
OpenCV入门学习笔记（4）算子
weixin_45893830的博客
03-29 3704
Sobel算子 cv2.Sobel(img1,ddepth,dx,dy) x =cv2.Sobel(img1,-1,1,0) y =cv2.Sobel(img1,-1,0,1) img2 = cv2.addWeighted(x,0.5,y,0.5,0) 解释：Sobel中第一个参数为要进行边缘检测的图片，第二个参数为目标图像深度，第三个和第四个参数为对水平还是垂直方向进行卷积。 Scharr算子 cv2.Scharr(img1,ddepth,dx,dy) x =cv2.Scharr(img1,-1.
opencv学习-常用算子
wyw0000的博客
02-27 1242
opencv 常用算子及边缘检测
OpenCV中的边缘检测算子
lty_sky的专栏
03-31 1280
一、Sobel算子 定义：sobel算子是一种基于一阶导数的边缘检测算子。 原理：该算子的主要原理是使用两个3x3的矩阵对原图进行卷积运算，从而计算出该图在水平和垂直方向上的灰度偏差估计值。如下图所示，Gx,Gy分别是对原图A在水平和垂直方向上的灰度偏差近似值。 在求得Gx和Gy后，使用下式可以求出图像中每个点的梯度估计值。 此时需要设定一个阈值，当G的值大于阈值时认为该点为边界点...
opencv笔记十九（Laplance算子）
C++养成记
07-04 692
本文参考： http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/laplace_operator/laplace_operator.html 理论： 图像处理流程： 高斯模糊 – 去噪声GaussianBlur()  转换为灰度图像cvtColor()  拉普拉斯 – 二阶导数计算...
opencv学习笔记之霍夫圆检测
12-28
### 关于OpenCV中霍夫圆检测的学习教程 #### 霍夫圆检测简介 霍夫圆检测是一种用于识别图像中圆形物体的技术。该方法通过参数空间累加投票的方式找到可能存在的圆心位置及其半径大小[^1]。 #### 实现过程概述 为了...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值