OpenCV：高通滤波之索贝尔、沙尔和拉普拉斯

最新推荐文章于 2025-02-19 16:13:15 发布
最新推荐文章于 2025-02-19 16:13:15 发布
阅读量2.3k 收藏 30
点赞数 34
分类专栏： 计算机视觉 文章标签： opencv 图像处理 计算机视觉 人工智能 矩阵
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。
本文链接：https://blog.youkuaiyun.com/u011186532/article/details/145184318
版权

目录

简述

什么是高通滤波？

高通滤波的概念

应用场景

索贝尔算子

 算子公式

实现代码

特点

沙尔算子

算子公式

实现代码

特点

拉普拉斯算子

算子公式

实现代码

特点

高通滤波器的对比与应用场景

相关阅读

OpenCV：图像滤波、卷积与卷积核-优快云博客

OpenCV：图像处理中的低通滤波-优快云博客

简述

高通滤波是一种增强图像高频分量的处理方法，常用于边缘检测和特征提取。在图像处理中，高通滤波可以突出图像中的边缘、轮廓和细节信息，而抑制平滑区域（低频分量）。

本文将重点介绍三种常见的高通滤波器：索贝尔（Sobel）、沙尔（Scharr） 和 拉普拉斯（Laplacian），并结合代码和应用场景进行讲解。

什么是高通滤波？

高通滤波的概念

高通滤波是对图像进行卷积操作，以保留图像中的快速变化部分（如边缘和细节），同时抑制低频分量（如大面积平坦区域）。

应用场景

  • 边缘检测：提取物体轮廓和边界。
  • 特征提取：用于后续计算机视觉任务（如目标检测）。
  • 图像锐化：增强图像清晰度。

索贝尔算子

索贝尔算子是一种经典的边缘检测算子，通过计算像素梯度，检测图像的水平和垂直边缘。

 算子公式

水平边缘检测：

Kernel_{x} = \begin{bmatrix} -1 & 0 & 1\\ -2 & 0 & 2\\ -1 & 0 & 1 \end{bmatrix}

垂直边缘检测：

最低0.47元/天 解锁文章
python sobel滤波_Sobel滤波器
weixin_39745345的博客
12-19 3594
一. sobel滤波器介绍sobel滤波器常用来提取灰度图像的水平边缘(水平特征)和竖直边缘(竖直特征)二. sobel算子纵向算子，提取图像水平边缘 ↑横向算子，提取图像竖直边缘 ↑三. 实验：python实现sobel算子并将算子作用于图像import cv2import numpy as np# Gray scaledef BGR2GRAY(img):b = img[:, :, 0].cop...
OpenCV之高通滤波
go___on的博客
03-02 5258
高通滤波最主要的作用是检测边缘 Sobel（索贝尔）（高斯）： 对噪音适用性很强，在内部首先使用了高斯滤波对噪音进行过滤，之后再通过一阶导求得图像边缘。【若卷积核size设置为-1，则自动使用的是沙尔滤波算法】 Scharr(沙尔) ： 卷积核不可改变的一个3x3大小卷积核，可以检测出比较细小的边缘线（不常用，索贝尔可以代替沙尔） 【 索贝尔和沙尔的缺陷是只能检测一个方向的边缘，要么横轴，要么纵轴，所以调用 完后还需要自己把横轴和纵轴检测到的边缘线加起来才是最终结果】 Laplacian（拉普拉斯）：
机器视觉--索贝尔滤波
zuowusheng的博客
02-18 1259
通过本文对其原理、函数使用方法的详细介绍以及丰富的程序演示，读者可以深入理解索贝尔滤波在 Halcon 中的应用。尽管索贝尔滤波存在一定的局限性，但在许多实际应用场景中，其简单高效的特点使其仍然具有重要的价值。在实际使用中，可根据具体需求结合其他算法和技术，进一步优化边缘检测的效果，以满足不同的图像处理任务。在计算机视觉与图像处理的广阔领域中，边缘检测作为基础且关键的技术环节，对于图像的理解和分析起着至关重要的作用。索贝尔滤波的核心基于梯度计算，旨在通过计算图像在不同方向上的梯度来确定边缘的位置。
读书笔记之sobel 滤波器
Exaggeration08的博客
10-21 8821
Sobel算子是一种典型的用于边缘检测的线性滤波器，它基于两个简单的3*3内核，内核结构如下图所示 水平方向： -1 0 1 -2 0 2 -1 0 1 垂直方向： -1 -2 -1 0 0 0 1 2 1   如果把图像看做二维函数，那么sobel算子就是图像在水平和垂直方向变化的速度。在数学...
OpenCV中的边缘检测——Sobel滤波器
热门推荐
小白汐汐的博客
12-04 1万+
一、原理 Sobel算子是一种用于边缘检测的线性滤波器，它基于两个简单的33的内核，如下图： 如果把图像看做是一个二维函数，那么Sobel算子就是图像在垂直和水平方向上变化的速度（即梯度）。它是一个二维向量，向量的元素是横竖两个方向的函数一阶导数： Sobel算子在水平和垂直方向上做像素值的差分，能够得到图像梯度的近似值，在像素周围进行运算时，能够减少噪声带来的影响。OpenCV中的Sobel函数如下： cv::Sobel(image, // 输入 sobel, //.
数字图像处理100问—15 Sobel 滤波器
cv_rsrc的博客
04-28 2016
提示：内容整理自：https://github.com/gzr2017/ImageProcessing100Wen CV小白从0开始学数字图像处理 15 Sobel 滤波器 Sobel 滤波器可以提取特定方向的边缘，滤波器按下式定义： (a)纵向 (b)横向 1 0 -1 1 2 1 K = [ 2 0 -2 ] K = [ 0 0 0 ] 1 0 -1 -1 -2 -1 代码如下： 1.引入库.
【OpenCV4】滤波器、图片卷积、步长、padding、卷积核的大小、方盒滤波与均值滤波、高斯滤波、中值滤波、双边滤波、边缘检测Canny(重要)、索贝尔算子、沙尔算子、 拉普拉斯算子
linjun的博客
09-07 1424
双边滤波本质上是高斯滤波, 双边滤波和高斯滤波不同的就是:双边滤波既利用了位置信息又利用了像素信息来定义滤波窗口的权重。双边滤波中加入了对灰度信息的权重，即在邻域内，灰度值越接近中心点灰度值的点的权重更大，灰度值相差大的点权重越小。高斯滤波就是使用符合高斯分布的卷积核对图片进行卷积操作. 所以高斯滤波的重点就是如何计算符合高斯分布的卷积核, 即高斯模板.双边滤波对于图像的边缘信息能过更好的保存。高斯滤波的核心思想是让临近的像素具有更高的重要度. 对周围像素计算加权平均值, 较近的像素具有较大的权重值.
Python OpenCV 滤波
余生的博客
11-06 1290
使用5*5高斯滤波消除噪声，可以计算图像的四个方向上的边缘（0，45，90，135），取局部的最大值，多了一个阈值计算。高于阈值我们认为是边缘，低于阈值就不是边缘，显然A为边缘，如果，但是B和C介于最大值最小值之间，BC既不是边缘也是边缘，但是C与A在一条直线上，所以C也是边缘。的噪声有很好的抑制作用。比较强，噪声比较少的图像来说，可以将去噪的程度放大，对以后的相关分析的结果就会有更少的噪声。Sobel算子在Prewitt算子的基础上增加了权重的概念，认为相邻点的距离远近对当前像素点的影响是不同的，
零基础教程之OpenCV从入门到精通——滤波篇
最新发布
2401_83325465的博客
02-19 953
本文将深入解析图像滤波的核心技术，手把手带您掌握OpenCV的五大实战利器：从基础的中值滤波除椒盐噪声，到保边圣手双边滤波，再到边缘检测必备的Canny算法。
Python机器视觉--OpenCV进阶(核心)--常用高通滤波器(索贝尔(sobel)算子,沙尔(Scharr)算子,拉普拉斯(Laplacian)算子, Canny算子)
寒江之雪，披蓑独钓的博客
08-21 3456
常用高通滤波器(索贝尔(sobel)算子,沙尔(Scharr)算子,拉普拉斯(Laplacian)算子, Canny算子) 的介绍与实现
Sobel算子滤波器
08-25
opencv与visual c++编写的Sobel 算子滤 波器
使用Sobel滤波器进行图像边缘检测（cs131）
overexposedshen的博客
04-28 1106
在图像处理中，边缘检测是一个重要的任务，它有助于识别图像中的物体轮廓。本文将介绍如何使用Python中的OpenCV库和Matplotlib库进行图像边缘检测，具体地说，我们将使用Sobel滤波器来实现这一目标。
Opencv-Sobel滤波器
thunder的博客
08-14 1132
Sobel用来求一阶导数。 Sobel滤波器原理看视觉笔记（二） 此例求了x和y方向的一阶导数。
挑战图像处理100问（15）——Sobel滤波器
qq_42662568的博客
04-13 2368
Author:Tian YJ Sobel滤波器 Sobel算子是一种典型的用于边缘检测的线性滤波器，它基于两个简单的3*3内核，滤波器按下式定义： 纵向： K=[121000−1−2−1] K=\left[ \begin{matrix} 1&2&1\\ 0&0&0\\ -1&-2&-1 \end{matrix} \right] K=⎣⎡​10−1​...
Sobel算子和Scharr滤波器
weixin_33736649的博客
04-21 542
2019独角兽企业重金招聘Python工程师标准>>> ...
数学之路-python计算实战(22)-机器视觉-sobel非线性滤波
麦好的AI乐园
07-27 2848
sobel非线性滤波，采用梯度模的近似方式 SobelCalculates the first, second, third, or mixed image derivatives using an extended Sobel operator.C++: void Sobel(InputArray src, OutputArray dst, int ddepth, int dx, int dy,
Sobel算子-＞方向滤波
weixin_46195203的博客
10-12 6053
索贝尔算子（Sobel operator） 在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量,主要用作边缘检测，可被认为是图像在垂直和水平方向变化的测量。 注意： ①观察灰度分布来描述一幅图像成为空间域，观察图像变化的频率被成为频域。 ②频域分析：低频对应区域的图像强度变化缓慢，高频对应的变化快。低通滤波器去除了图像的高频部分，高通滤波器去除了图像的低频部分。 这里的卷积因子是卷积神经的一个小知识点就是以卷积因子为标本去对比
图像的Sobel滤波，OpenCV 、C++实现
qq_29422755的博客
05-29 1842
文章目录原理实现代码（C++实现，VS2015）：实现效果 原理 sobel滤波主要用于边缘检测，通过测量图像中每个像素点强度的梯度，从而找到像素点强度值变化最快的方向以及这个方向的变化率。检测结果显示了图像强度值在每个像素处的变化大小，从而判断以及该像素点是否为图像的边缘。 在强度恒定的区域对像素进行滤波，得到的结果是近乎为零的向量。 如果再图像的边缘进行检测，则可以得到一个由强度较弱的像素指向强度较亮的向量。 sobel滤波使用两个3∗33 * 33∗3的卷积核 一个代表水平方向上的变化，另一个代表垂直
opencv高通滤波器
08-18
高通滤波器是一种用于增强图像边缘和细节的图像处理技术。在OpenCV中，常用的高通滤波器有Scharr算子、拉普拉斯算子和Sobel算子等。 Scharr算子是一种寻找细小边缘的滤波器，它通过计算像素点周围的梯度来检测边缘。在OpenCV中，可以使用cv2.Scharr函数来实现Scharr算子的应用。例如，对一张图片进行垂直边缘检测，可以使用以下代码: ```python import cv2 import numpy as np img = cv2.imread('lena.png') dx = cv2.Scharr(img, cv2.CV_64F, 1, 0) cv2.imshow('dx', dx) cv2.waitKey(0) cv2.destroyAllWindows() ``` 拉普拉斯算子是一种对噪音敏感的高通滤波器，它可以同时检测两个方向的边缘。在OpenCV中，可以使用cv2.Laplacian函数来实现拉普拉斯算子的应用。例如，对一张图片进行边缘检测，可以使用以下代码: ```python import cv2 import numpy as np img = cv2.imread('chess.png') dst = cv2.Laplacian(img, -1, ksize=3) cv2.imshow('dst', dst) cv2.waitKey(0) cv2.destroyAllWindows() ``` 此外，还可以使用Sobel算子进行边缘检测。Sobel算子与Scharr算子类似，可以检测图像的水平和垂直边缘。使用cv2.Sobel函数可以实现Sobel算子的应用。 请注意，以上代码示例中的图片路径需要根据实际情况做相应的调整。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [Python机器视觉--OpenCV进阶(核心)--常用高通滤波器(索贝尔(sobel)算子,沙尔(Scharr)算子,拉普拉斯...](https://blog.youkuaiyun.com/qq_43944517/article/details/126448787)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [OpenCv图像锐化及各种高通滤波](https://blog.youkuaiyun.com/Cristiano2000/article/details/118875729)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
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

打赏作者

Quz

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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