datetime:2022/04/11 15:07
author:nzb

图像处理

图像梯度（角点检测，边缘检测步骤）

  • Sobel算子

    • 卷积核

    • 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（核大小）

    • sobel = cv2.convertScaleAbs(sobel)，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

    • sobelxy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)，分别计算x和y，再求和，0.5：为权重

    • 示例

      • 代码

              lena = cv2.imread("../img/lena.jpg", cv2.IMREAD_GRAYSCALE) 
      # 分开计算 
      sobelx = cv2.Sobel(lena, cv2.CV_64F, 1, 0, ksize=3)  # dx=1，dy=0，只计算水平方向  
      sobelx = cv2.convertScaleAbs(sobelx)                 # 不能丢弃负值，需要去绝对值
      sobely = cv2.Sobel(lena, cv2.CV_64F, 0, 1, ksize=3)  # dx=0，dy=1，只计算垂直方向  
      sobely = cv2.convertScaleAbs(sobely) 
      sobelxy1 = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0) 
      # 直接计算 
      sobelxy2 = cv2.Sobel(lena, cv2.CV_64F, 1, 1, ksize=3) # dx=1，dy=1，直接计算（不建议，效果不好，建议分开计算再）
      sobelxy2 = cv2.convertScaleAbs(sobelxy2)
      show_img([lena, sobelxy1, sobelxy2], hstack=True)

  • Scharr算子更敏感

    • 卷积核

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

    • 示例

      • 代码

              scharrx = cv2.Scharr(lena, cv2.CV_64F, 1, 0) 
      scharry = cv2.Scharr(lena, cv2.CV_64F, 0, 1) 
      scharrx = cv2.convertScaleAbs(scharrx) 
      scharry = cv2.convertScaleAbs(scharry) 
      scharrxy = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0)

  • Laplacian算子

    • 二阶导，反应一阶导的变化率，所以对变化更敏感（对噪音点敏感，如果有噪音点就不好检测了）

    • 卷积核

    • dst = cv2.Laplacian(src, ddepth)

    • 示例

      • 代码

              laplacian = cv2.Laplacian(lena, cv2.CV_64F) 
      laplacian = cv2.convertScaleAbs(laplacian)

  • 三者对比

    • 代码

            lena = cv2.imread("../img/lena.jpg", cv2.IMREAD_GRAYSCALE) 
      # 分开计算 
      sobelx = cv2.Sobel(lena, cv2.CV_64F, 1, 0, ksize=3) 
      sobelx = cv2.convertScaleAbs(sobelx) 
      sobely = cv2.Sobel(lena, cv2.CV_64F, 0, 1, ksize=3) 
      sobely = cv2.convertScaleAbs(sobely) 
      sobelxy1 = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0) 

      # Scharr算子 
      scharrx = cv2.Scharr(lena, cv2.CV_64F, 1, 0) 
      scharry = cv2.Scharr(lena, cv2.CV_64F, 0,1) 
      scharrx = cv2.convertScaleAbs(scharrx) 
      scharry = cv2.convertScaleAbs(scharry) 
      scharrxy = cv2.addWeighted(scharrx, 0.5, scharry, 0.5, 0) 

      # Laplacian算子 
      laplacian = cv2.Laplacian(lena, cv2.CV_64F) 
      laplacian = cv2.convertScaleAbs(laplacian) 
      show_img([lena, sobelxy1, scharrxy, laplacian], hstack=True)

Canny边缘检测

  • 1、 使用高斯滤波器，以平滑图像，滤除噪声。

    • 高斯滤波器

  • 2、 计算图像中每个像素点的梯度强度和方向。

    • 在x方向和y方向上使用Sobel滤波器，在此之上求出边缘的强度和边缘的梯度

    • 梯度和方向

  • 3、 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。

    • 非极大值抑制

  • 4、 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。

    • 双阈值检测

  • 5、 通过抑制孤立的弱边缘最终完成边缘检测。

    • 示例

      • 代码

          img=cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE) 
  v1=cv2.Canny(img,80,150)
  v2=cv2.Canny(img,50,100) 
  # 80和150：minVal和maxVal 
  res = np.hstack((v1,v2))
  cv_show(res,'res')

图像金字塔

  • 高斯金字塔

    • 高斯金字塔：向下采样方法（缩小，从下往上）

    • 高斯金字塔：向上采样方法（放大，从上往下）

    • 示例

      • 代码

              AM = cv2.imread("../img/AM.png") 
      up = cv2.pyrUp(AM)      # 可以一直上下采样下去
      down = cv2.pyrDown(AM)  # 可以一直上下采样下去
      show_img([AM,up,down])

      • 展示

        • 原图

        • 向上

        • 向下

  • 拉普拉斯金字塔

    • Gi：原图

    • 示例

      • 代码

              down = cv2.pyrDown(AM) 
      down_up = cv2.pyrUp(down) 
      ret = AM - down_up
      show_img([AM,ret], hstack=True)

results matching ""

    No results matching ""