您可以捐助,支持我们的公益事业。

1元 10元 50元





认证码:  验证码,看不清楚?请点击刷新验证码 必填



  求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Modeler   Code  
会员   
   
 
     
   
 订阅
  捐助
边缘检测(各类边缘算子)以及角点检测 python
 
作者:XITMan
296 次浏览 评价:  
 2020-10-9
 
编辑推荐:
本文主要介绍了边缘检测的各类边缘算子,以及对原图及它旋转变换后的图像进行角点检测 ,希望对您的学习有所帮助。
本文来自于CSDN,由火龙果软件Alice编辑、推荐。

边缘检测:

1.Roberts算子

2.Prewitt算子

3.Sobel算子

4.Laplacian算子

5.Canny函数

代码如下:

import cv2
import numpy as np
import matplotlib.pyplot as plt
image = cv2.imread('lenna.jpg', cv2.IMREAD_GRAYSCALE)
cv2.imshow('origin', image)
h, w = image.shape # 获取图像的高度和宽度

# Roberts算子
kernelx = np.array([[-1, 0], [0, 1]], dtype=int)
kernely = np.array([[0, -1], [1, 0]], dtype=int)
x = cv2.filter2D(image, cv2.CV_16S, kernelx)
y = cv2.filter2D(image, cv2.CV_16S, kernely)
absX = cv2.convertScaleAbs(x)
absY = cv2.convertScaleAbs(y)
Roberts = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)
cv2.imshow('Roberts', Roberts )
# Prewitt算子
kernelx = np.array([[1, 1, 1], [0, 0, 0], [-1, -1, -1]], dtype=int)
kernely = np.array([[-1, 0, 1], [-1, 0, 1], [-1, 0, 1]], dtype=int)
x = cv2.filter2D(image, cv2.CV_16S, kernelx)
y = cv2.filter2D(image, cv2.CV_16S, kernely)
absX = cv2.convertScaleAbs(x)
absY = cv2.convertScaleAbs(y)
Prewitt = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)
cv2.imshow('Prewitt', Prewitt)
# Sobel 滤波器 进行边的检测
sobel_horizontal = cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize=5) # 水平方向
sobel_vetical = cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize=5) # 垂直方向
cv2.imshow('sobel_H', sobel_horizontal) # 水平方向
cv2.imshow('sobel_V', sobel_vetical) # 垂直方向
# 拉普拉斯算子 进行边的检测 64F代表每一个像素点元素占64位浮点数
laplacian = cv2.Laplacian(image, cv2.CV_64F, ksize=5)
cv2.imshow('laplacian', laplacian)
# # Canny边检测器
canny = cv2.Canny(image, 50, 240)
cv2.imshow('Canny', canny)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果图如下

Roberts

prewitt

Laplacian

canny

Sobel_v

sobel_h

设计检测具有特定角度边缘的算子;

检测具有45o角的边缘的3×3算子;

检测具有45o角的边缘的5×5算子;

这里我使用的是prewitt模板

3x3代码如下:

import cv2
import numpy as np
import matplotlib.pyplot as plt
image = cv2.imread('lenna.jpg', cv2.IMREAD_GRAYSCALE)
cv2.imshow('origin', image)
# Roberts算子
kernelx = np.array([[1, 1, 0], [1, 0, -1], [0, -1, -1]], dtype=int)
kernely = np.array([[1, 1, 0], [1, 0, -1], [0, -1, -1]], dtype=int)
x = cv2.filter2D(image, cv2.CV_16S, kernelx)
y = cv2.filter2D(image, cv2.CV_16S, kernely)
absX = cv2.convertScaleAbs(x)
absY = cv2.convertScaleAbs(y)
Prewitt = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)
cv2.imshow('Prewitt', Prewitt)
cv2.waitKey(0)
cv2.destroyAllWindows()

5x5代码如下

import cv2
import numpy as np
import matplotlib.pyplot as plt
image = cv2.imread('lenna.jpg', cv2.IMREAD_GRAYSCALE)
cv2.imshow('origin', image)
# Roberts算子
kernelx = np.array([[1, 1, 1, 1, 0], [1, 1, 1, 0, -1], [1,1,0, -1, -1],[1,0,-1,-1,-1],[0,-1,-1,-1,-1]], dtype=int)
kernely = np.array([[1, 1, 1, 1, 0], [1, 1, 1, 0, -1], [1,1,0, -1, -1],[1,0,-1,-1,-1],[0,-1,-1,-1,-1]], dtype=int)
x = cv2.filter2D(image, cv2.CV_16S, kernelx)
y = cv2.filter2D(image, cv2.CV_16S, kernely)
absX = cv2.convertScaleAbs(x)
absY = cv2.convertScaleAbs(y)
Prewitt = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)
cv2.imshow('Prewitt', Prewitt)

cv2.waitKey(0)
cv2.destroyAllWindows()

角点检测

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
def cornerHarri(imgae):
gray = cv.cvtColor(imgae, cv.COLOR_BGR2GRAY)
gray = np.float32(gray)
dst = cv.cornerHarris(gray, 2, 3, 0.04)
dst = cv.dilate(dst, None)
imgae[dst>0.01*dst.max()]=[0,0,255]

src = cv.imread("whiteandblack.jpg")
rows, cols, channel = src.shape
#绕图像的中心旋转
#参数:旋转中心 旋转度数 scale
M = cv.getRotationMatrix2D((cols/2, rows/2), 30, 1)
#参数:原始图像 旋转参数 元素图像宽高
rotated = cv.warpAffine(src, M, (cols, rows))
cv.imshow("contours", src)
cornerHarri(src)
cv.imshow("corn",src)
cornerHarri(rotated)
cv.imshow("corn1",rotated)


cv.waitKey(0)
cv.destroyAllWindows()

这里是对原图及它旋转变换后的图像进行角点检测

图像如下

原图:

角点检测后:

旋转后的角点检测:

使用cv2.goodFeaturesToTrack()检测角点

道理一样下面给出代码(结果图就不放了):

import numpy as np
import cv2
from matplotlib import pyplot as plt
def track(imgae):
gray = cv2.cvtColor(rotated,cv2.COLOR_BGR2GRAY)
corners = cv2.goodFeaturesToTrack(gray,25,0.01,10)
corners = np.int0(corners)
for i in corners:
x,y = i.ravel()
cv2.circle(rotated,(x,y),3,255,-1)


img = cv2.imread('whiteandblack.jpg')
rows, cols, channel = img.shape
#绕图像的中心旋转
#参数:旋转中心 旋转度数 scale
M = cv2.getRotationMatrix2D((cols/2, rows/2), 30, 1)
#参数:原始图像 旋转参数 元素图像宽高
rotated = cv2.warpAffine(img, M, (cols, rows))

cv2.imshow("contours", img)
track(img)
cv2.imshow("corn",img)
track(rotated)
cv2.imshow("corn1",rotated)
cv.waitKey(0)
cv.destroyAllWindows()
 

 

   
296 次浏览     评价: 订阅 捐助
相关文章

我们该如何设计数据库
数据库设计经验谈
数据库设计过程
数据库编程总结
 
相关文档

数据库性能调优技巧
数据库性能调整
数据库性能优化讲座
数据库系统性能调优系列
相关课程

高性能数据库设计与优化
高级数据库架构师
数据仓库和数据挖掘技术
Hadoop原理、部署与性能调优
最新课程计划
 
最新文章
小米深度学习平台架构与实现
深度学习架构
卷积神经网络之前向传播算法
从0到1搭建AI中台
从零开始:用Python搭建神经网络
最新课程
人工智能,机器学习和深度学习
人工智能与机器学习应用实战
人工智能-图像处理和识别
人工智能、机器学习& TensorFlow+Keras框架实践
人工智能+Python+大数据
更多...   
成功案例
某综合性科研机构 人工智能与机器学习应用
某银行 人工智能+Python+大数据
北京 人工智能、机器学习& TensorFlow框架实践
某领先数字地图提供商 Python数据分析与机器学习
中国移动 人工智能、机器学习和深度学习
更多...