OpenCV学习笔记（3图像梯度和边缘检测）

最新推荐文章于 2022-03-23 11:10:08 发布

原创

最新推荐文章于 2022-03-23 11:10:08 发布 · 710 阅读

1 ·

CC 4.0 BY-SA版权

本文深入探讨了边缘检测技术，包括Sobel算子、Scharr算子、Laplacian算子以及Canny边缘检测方法。详细讲解了各种算子的工作原理，如Sobel算子在图像处理中的应用，Scharr算子如何使图像线条更明显，Laplacian算子的综合检测能力，以及Canny边缘检测的一站式解决方案。通过对比不同算子的效果，帮助读者理解边缘检测的核心概念。

1.图像梯度（就是检测边缘）
Sobel算子
在这里插入图片描述
dst = cv2.Sobel(src, ddepth, dx, dy, ksize)
ddepth:图像的深度
dx和dy分别表示水平和竖直方向
ksize是Sobel算子的大小

sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
cv_show(sobelx,'sobelx')

白到黑是正数，黑到白就是负数了，所有的负数会被截断成0，所以要取绝对值，用一个卷积核去一个一个乘，右边是正的，左边是负的，看哪边多，就厉害。

分别计算x和y，再求和，算的x上下有点空，算的y左右有点空，加起来就要均衡一些了。
sobelx = cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobelx = cv2.convertScaleAbs(sobelx)
cv_show(sobelx,'sobelx')
sobely = cv2.Sobel(img,cv2.CV_64F,0,1,ksize