亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

python中的opencv?圖像梯度

 更新時間:2022年06月01日 16:22:42   作者:暴風雨中的白楊  
這篇文章主要介紹了python中的opencv?圖像梯度,圖像梯度計算的是圖像變化的速度,圖像梯度計算需要求導數(shù),但是圖像梯度一般通過計算像素值的差來得到梯度的近似值,下文詳細介紹需要的小伙伴可以參考一下

圖像梯度

圖像梯度計算的是圖像變化的速度。對于圖像的邊緣部分,其灰度值變化較大,梯度值也較大;相反,對于圖像中比較平滑的部分,其灰度值變化較小,相應(yīng)的梯度值也較小。圖像梯度計算需要求導數(shù),但是圖像梯度一般通過計算像素值的差來得到梯度的近似值(近似導數(shù)值)。(差分,離散)

Sobel算子、Scharr算子和Laplacian算子的使用。

Sobel理論基礎(chǔ)

Sobel算子是一種離散的微分算子,該算子結(jié)合了高斯平滑和微分求導運算。該算子利用局部差分尋找邊緣,計算所得的是一個梯度的近似值。

濾波器通常是指由一幅圖像根據(jù)像素點(x, y)臨近的區(qū)域計算得到另外一幅新圖像的算法。

濾波器是由鄰域及預(yù)定義的操作構(gòu)成的,濾波器規(guī)定了濾波時所采用的形狀以及該區(qū)域內(nèi)像素值的組成規(guī)律。濾波器也被稱為“掩模”、“核”、“模板”、“窗口”、“算子”等。一般信號領(lǐng)域?qū)⑵浞Q為“濾波器”,數(shù)學領(lǐng)域?qū)⑵浞Q為“核”。

線性濾波器: 濾波的目標像素點的值等于原始像素值及其周圍像素值的加權(quán)和。這種基于線性核的濾波,就是所熟悉的卷積。

計算水平方向偏導數(shù)的近似值

將Sobel算子與原始圖像src進行卷積計算,可以計算水平方向上的像素值變化情況。

例如,當Sobel算子的大小為3×3時,水平方向偏導數(shù)Gx的計算方式為:

計算垂直方向偏導數(shù)的近似值

當Sobel算子的大小為3×3時,垂直方向偏導數(shù)Gy的計算方式為:

Sobel算子及函數(shù)使用

使用函數(shù)cv2.Sobel()實現(xiàn)Sobel算子運算,其語法形式為:

dst = cv2.Sobel( src, ddepth, dx, dy[, ksize[, scale[, delta[, borderType]]]] ) 
  • dst代表目標圖像
  • src代表原始圖像
  • ddepth代表輸出圖像的深度

  • dx代表x方向上的求導階數(shù)。
  • dy代表y方向上的求導階數(shù)。
  • ksize代表Sobel核的大小。該值為-1時,則會使用Scharr算子進行運算。
  • scale代表計算導數(shù)值時所采用的縮放因子,默認情況下該值是1,是沒有縮放的。
  • delta代表加在目標圖像dst上的值,該值是可選的,默認為0。
  • borderType代表邊界樣式。

注意點:參數(shù)ddepth

在函數(shù)cv2.Sobel()的語法中規(guī)定,可以將函數(shù)cv2.Sobel()內(nèi)ddepth參數(shù)的值設(shè)置為-1,讓處理結(jié)果與原始圖像保持一致。但是,如果直接將參數(shù)ddepth的值設(shè)置為-1,在計算時得到的結(jié)果可能是錯誤的。

在實際操作中,計算梯度值可能會出現(xiàn)負數(shù)。如果處理的圖像是8位圖類型,則在ddepth的參數(shù)值為-1時,意味著指定運算結(jié)果也是8位圖類型,那么所有負數(shù)會自動截斷為0,發(fā)生信息丟失。為了避免信息丟失,在計算時要先使用更高的數(shù)據(jù)類型cv2.CV_64F,再通過取絕對值將其映射為cv2.CV_8U(8位圖)類型。

通常要將函數(shù)cv2.Sobel()內(nèi)參數(shù)ddepth的值設(shè)置為“cv2.CV_64F”。要將偏導數(shù)取絕對值,以保證偏導數(shù)總能正確地顯示出來。在OpenCV中,使用函數(shù)cv2.convertScaleAbs()對參數(shù)取絕對值,

該函數(shù)的語法格式為:

dst = cv2.convertScaleAbs( src [, alpha[, beta]] )
  • dst代表處理結(jié)果。
  • src代表原始圖像。
  • alpha代表調(diào)節(jié)系數(shù),該值是可選值,默認為1。
  • beta代表調(diào)節(jié)亮度值,該值是默認值,默認為0。

該函數(shù)的作用是將原始圖像src轉(zhuǎn)換為256色位圖,其可以表示為:

dst=saturate(src*alpha+beta)

式中,saturate()表示計算結(jié)果的最大值是飽和值,例如: 當“src*alpha+beta”的值超過255時,其取值為255。

**例子:**使用函數(shù)cv2.convertScaleAbs()對一個隨機數(shù)組取絕對值。

import cv2
import numpy as np 
img=np.random.randint(-256,256, size=[4,5], dtype=np.int16)
rst=cv2.convertScaleAbs(img)
print("img=\n", img)
print("rst=\n", rst)

方向

在函數(shù)cv2.Sobel()中,參數(shù)dx表示x軸方向的求導階數(shù),參數(shù)dy表示y軸方向的求導階數(shù)。參數(shù)dx和dy通常的值為0或者1,最大值為2。如果是0,表示在該方向上沒有求導。當然,參數(shù)dx和參數(shù)dy的值不能同時為0。

參數(shù)dx和參數(shù)dy可以有多種形式的組合,主要包含:

  • 計算x方向邊緣(梯度):dx=0, dy=1。
  • 計算y方向邊緣(梯度):dx=1, dy=0。
  • 參數(shù)dx與參數(shù)dy的值均為1:dx=1, dy=1。
  • 計算x方向和y方向的邊緣疊加:通過組合方式實現(xiàn)。

例子

“dx=1, dy=0”。當然,也可以設(shè)置為“dx=2, dy=0”。此時,會僅僅獲取垂直方向的邊緣信息,

此時的語法格式為:

dst = cv2.Sobel( src , ddepth , 1 , 0 ) 

“dx=0, dy=1”。當然,也可以設(shè)置為“dx=0, dy=2”。此時,會僅僅獲取水平方向的邊緣信息,

此時的語法格式為:

dst = cv2.Sobel( src , ddepth , 0 , 1 ) 

“dx=1, dy=1”,也可以設(shè)置為“dx=2, dy=2”,或者兩個參數(shù)都不為零的其他情況。此時,會獲取兩個方向的邊緣信息,

此時的語法格式為:

dst = cv2.Sobel( src , ddepth , 1 , 1 )

計算x方向和y方向的邊緣疊加

如果想獲取x方向和y方向的邊緣疊加,需要分別獲取水平方向、垂直方向兩個方向的邊緣圖,然后將二者相加。

dx= cv2.Sobel( src , ddepth , 1 , 0 )
dy= cv2.Sobel( src , ddepth , 0 , 1 )
dst=cv2.addWeighted( src1 , alpha , src2 , beta , gamma )

例子:

使用函數(shù)cv2.Sobel()獲取圖像水平方向的完整邊緣信息

將參數(shù)ddepth的值設(shè)置為cv2.CV_64F,并使用函數(shù)cv2.convertScaleAbs()對cv2.Sobel()的計算結(jié)果取絕對值。

import cv2
o = cv2.imread('Sobel4.bmp', cv2.IMREAD_GRAYSCALE)
Sobelx = cv2.Sobel(o, cv2.CV_64F,0,1)
Sobelx = cv2.convertScaleAbs(Sobelx)
cv2.imshow("original", o)
cv2.imshow("x", Sobelx)
cv2.waitKey()
cv2.destroyAllWindows()

計算函數(shù)cv2.Sobel()在水平、垂直兩個方向疊加的邊緣信息。

import cv2
o = cv2.imread('Sobel4.bmp', cv2.IMREAD_GRAYSCALE)
Sobelx = cv2.Sobel(o, cv2.CV_64F,1,0)
Sobely = cv2.Sobel(o, cv2.CV_64F,0,1)
Sobelx = cv2.convertScaleAbs(Sobelx)
Sobely = cv2.convertScaleAbs(Sobely)
Sobelxy =  cv2.addWeighted(Sobelx,0.5, Sobely,0.5,0)
cv2.imshow("original", o)
cv2.imshow("xy", Sobelxy)
cv2.waitKey()
cv2.destroyAllWindows()

Scharr算子及函數(shù)使用

在離散的空間上,有很多方法可以用來計算近似導數(shù),在使用3×3的Sobel算子時,可能計算結(jié)果并不太精準。

OpenCV提供了Scharr算子,該算子具有和Sobel算子同樣的速度,且精度更高。

可以將Scharr算子看作對Sobel算子的改進,其核通常為:

OpenCV提供了函數(shù)cv2.Scharr()來計算Scharr算子,其語法格式如下:

dst = cv2.Scharr( src, ddepth, dx, dy[, scale[, delta[, borderType]]] ) 
  • dst代表輸出圖像。
  • src代表原始圖像。
  • ddepth代表輸出圖像深度。該值與函數(shù)cv2.Sobel()中的參數(shù)ddepth的含義相同
  • dx代表x方向上的導數(shù)階數(shù)。
  • dy代表y方向上的導數(shù)階數(shù)。
  • scale代表計算導數(shù)值時的縮放因子,該項是可選項,默認值是1,表示沒有縮放。
  • delta代表加到目標圖像上的亮度值,該項是可選項,默認值為0。
  • borderType代表邊界樣式。

在函數(shù)cv2.Sobel()中,如果ksize=-1,則會使用Scharr濾波器。

如下語句:

dst=cv2.Scharr(src, ddepth, dx, dy)

dst=cv2.Sobel(src, ddepth, dx, dy, -1)

是等價的。函數(shù)cv2.Scharr()和函數(shù)cv2.Sobel()的使用方式基本一致。參數(shù)ddepth的值應(yīng)該設(shè)置為“cv2.CV_64F”,并對函數(shù)cv2.Scharr()的計算結(jié)果取絕對值,才能保證得到正確的處理結(jié)果。

具體語句為:

dst=Scharr(src, cv2.CV_64F, dx, dy)
dst= cv2.convertScaleAbs(dst)

在函數(shù)cv2.Scharr()中,要求參數(shù)dx和dy滿足條件:

  • dx >= 0 && dy >= 0 && dx+dy == 1
  • 和Sobel 不同, Scharr 的dx+dy 必須為1

參數(shù)dx和參數(shù)dy的組合形式有:

  • 計算x方向邊緣(梯度):dx=0, dy=1。
  • 計算y方向邊緣(梯度): dx=1, dy=0。
  • 計算x方向與y方向的邊緣疊加:通過組合方式實現(xiàn)。

例子

計算x方向邊緣(梯度):dx=1, dy=0

dst=Scharr(src, ddpeth, dx=1, dy=0) 

計算y方向邊緣(梯度):dx=0, dy=1

dst=Scharr(src, ddpeth, dx=0, dy=1)

計算x方向與y方向的邊緣疊加

將兩個方向的邊緣相加

dx=Scharr(src, ddpeth, dx=1, dy=0) 
dy=Scharr(src, ddpeth, dx=0, dy=1)
Scharrxy=cv2.addWeighted(dx,0.5, dy,0.5,0)

參數(shù)dx和dy的值不能都為1

Sobel算子和Scharr算子的比較

Sobel算子的缺點是,當其核結(jié)構(gòu)較小時,精確度不高,而Scharr算子具有更高的精度。

Sobel算子和Scharr算子的核結(jié)構(gòu):

Laplacian算子及函數(shù)使用

Laplacian(拉普拉斯)算子是一種二階導數(shù)算子,其具有旋轉(zhuǎn)不變性,可以滿足不同方向的圖像邊緣銳化(邊緣檢測)的要求。

通常情況下,其算子的系數(shù)之和需要為零。

一個3×3大小的Laplacian算子

Laplacian算子類似二階Sobel導數(shù),需要計算兩個方向的梯度值。

計算結(jié)果的值可能為正數(shù),也可能為負數(shù)。所以,需要對計算結(jié)果取絕對值,以保證后續(xù)運算和顯示都是正確的。

在OpenCV內(nèi)使用函數(shù)cv2.Laplacian()實現(xiàn)Laplacian算子的計算,該函數(shù)的語法格式為:

dst = cv2.Laplacian( src, ddepth[, ksize[, scale[, delta[, borderType]]]] ) 
  • dst代表目標圖像。
  • src代表原始圖像。
  • ddepth代表目標圖像的深度。
  • ksize代表用于計算二階導數(shù)的核尺寸大小。該值必須是正的奇數(shù)。
  • scale代表計算Laplacian值的縮放比例因子,該參數(shù)是可選的。默認情況下,該值為1,表示不進行縮放。
  • delta代表加到目標圖像上的可選值,默認為0。
  • borderType代表邊界樣式。

該函數(shù)分別對x、y方向進行二次求導,具體為:

上式是當ksize的值大于1時的情況。當ksize的值為1時,Laplacian算子計算時采用的3×3的核如下:

通過從圖像內(nèi)減去它的Laplacian圖像,可以增強圖像的對比度,此時其算子為:

例子: 使用函數(shù)cv2.Laplacian()計算圖像的邊緣信息。

import cv2
o = cv2.imread('Laplacian.bmp', cv2.IMREAD_GRAYSCALE)
Laplacian = cv2.Laplacian(o, cv2.CV_64F)
Laplacian = cv2.convertScaleAbs(Laplacian)
cv2.imshow("original", o)
cv2.imshow("Laplacian", Laplacian)
cv2.waitKey()
cv2.destroyAllWindows()

算子總結(jié)

Sobel算子、Scharr算子、Laplacian算子都可以用作邊緣檢測

Sobel算子和Scharr算子計算的都是一階近似導數(shù)的值。通常情況下,可以將它們表示為:

  • Sobel算子= |左-右| 或 |下-上|
  • Scharr算子=|左-右| 或 |下-上|

Laplacian算子計算的是二階近似導數(shù)值,可以將它表示為:

  • Laplacian算子=|中-左| + |中-右| + |中-下| + |中-上|

到此這篇關(guān)于python中的opencv 圖像梯度的文章就介紹到這了,更多相關(guān)python opencv 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • python 畫出使用分類器得到的決策邊界

    python 畫出使用分類器得到的決策邊界

    這篇文章主要介紹了python 畫出使用分類器得到的決策邊界,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2019-08-08
  • Pygame中Sprite的使用方法示例詳解

    Pygame中Sprite的使用方法示例詳解

    這篇文章主要介紹了Pygame中Sprite的使用方法,本文通過示例代碼給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2023-09-09
  • 詳解OpenCV實現(xiàn)特征提取的方法

    詳解OpenCV實現(xiàn)特征提取的方法

    在本文中,我們將一起探索幾種從圖像中提取顏色、形狀和紋理特征的方法,這些方法基于處理圖像的經(jīng)驗,感興趣的小伙伴可以了解一下
    2022-05-05
  • Python類和方法注釋規(guī)范說明

    Python類和方法注釋規(guī)范說明

    這篇文章主要介紹了Python類和方法注釋規(guī)范說明,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-06-06
  • Python?OpenCV實現(xiàn)3種濾鏡效果實例

    Python?OpenCV實現(xiàn)3種濾鏡效果實例

    opencv是一個很強大的庫,支持多個編程語言,下面這篇文章主要給大家介紹了關(guān)于Python?OpenCV實現(xiàn)3種濾鏡效果的相關(guān)資料,文中通過示例代碼介紹的非常詳細,需要的朋友可以參考下
    2022-04-04
  • python2與python3中關(guān)于對NaN類型數(shù)據(jù)的判斷和轉(zhuǎn)換方法

    python2與python3中關(guān)于對NaN類型數(shù)據(jù)的判斷和轉(zhuǎn)換方法

    今天小編就為大家分享一篇python2與python3中關(guān)于對NaN類型數(shù)據(jù)的判斷和轉(zhuǎn)換方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-10-10
  • PyCharm配置與更換鏡像源及安裝第三方庫的過程

    PyCharm配置與更換鏡像源及安裝第三方庫的過程

    這篇文章主要介紹了PyCharm配置與更換鏡像源及安裝第三方庫的過程,本文給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友參考下吧
    2024-01-01
  • python隨機生成指定長度密碼的方法

    python隨機生成指定長度密碼的方法

    這篇文章主要介紹了python隨機生成指定長度密碼的方法,涉及Python操作字符串的技巧,非常具有實用價值,需要的朋友可以參考下
    2015-04-04
  • python性能檢測工具函數(shù)運行內(nèi)存及運行時間

    python性能檢測工具函數(shù)運行內(nèi)存及運行時間

    這篇文章主要介紹了python性能檢測工具函數(shù)運行內(nèi)存及運行時間,python雖然是一門慢語言,但是也有著比較多的性能檢測工具來幫助我們優(yōu)化程序的運行效率,下文小編給大家分享五個性能檢測工具,需要的朋友可以參考一下
    2022-05-05
  • 小議Python中自定義函數(shù)的可變參數(shù)的使用及注意點

    小議Python中自定義函數(shù)的可變參數(shù)的使用及注意點

    Python函數(shù)的默認值參數(shù)只會在函數(shù)定義處被解析一次,以后再使用時這個默認值還是一樣,這在與可變參數(shù)共同使用時便會產(chǎn)生困惑,下面就來小議Python中自定義函數(shù)的可變參數(shù)的使用及注意點
    2016-06-06

最新評論