【OpenCV】基本操作 圖像梯度

【OpenCV】高手勿入! 半小時學會基本操作 11

• ​​概述​​
• ​​梯度運算​​
• ​​禮帽​​
• ​​黑帽​​
• ​​Sobel 算子​​

• ​​計算 x​​
• ​​計算 y​​
• ​​計算 x+y​​
• ​​融合​​

概述

OpenCV 是一個跨平台的計算機視覺庫, 支援多語言, 功能強大. 今天小白就帶大家一起攜手走進 OpenCV 的世界. (第 11 課)

梯度運算

梯度: 膨脹 (Dilating) - 腐蝕 (Eroding).

例子:

# 讀取圖檔
pie = cv2.imread("pie.png")

# 核
kernel = np.ones((7, 7), np.uint8)

# 計算梯度
gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel=kernel)

# 圖檔展示
cv2.imshow("gradient", gradient)
cv2.waitKey(0)
cv2.destroyAllWindows()      

輸出結果:

禮帽

禮帽 (Top Hat): 原始輸入 - 開運算結果.

例子:

# 讀取圖檔
img = cv2.imread("white.png")

# 核
kernel = np.ones((7, 7), np.uint8)

# 禮帽
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel=kernel)

# 圖檔展示
cv2.imshow("tophat", tophat)
cv2.waitKey(0)
cv2.destroyAllWindows()      

輸出結果:

黑帽

黑帽 (Black Hat): 閉運算 - 原始輸入.

例子:

# 讀取圖檔
img = cv2.imread("white.png")

# 核
kernel = np.ones((7, 7), np.uint8)

# 禮帽
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel=kernel)

# 圖檔展示
cv2.imshow("blackhat", blackhat)
cv2.waitKey(0)
cv2.destroyAllWindows()      

輸出結果:

Sobel 算子

Sobel 算子 (Sobeloperator) 是邊緣檢測中非常重要的一個算子. Sobel 算子是一類離散性差分算子, 用來運算圖像高亮度函數的灰階之近似值.

格式:

cv2.Sobel(src, ddepth, dx, dy, ksize)      

參數:

• src: 原圖
• ddepth: 圖檔深度
• dx: 水準方向
• dy: 豎直方向
• ksize: 算子大小

計算 x

代碼:

# 讀取圖檔
img = cv2.imread("pie.png")

# Sobel算子
sobelx = cv2.Sobel(img, -1, 1, 0, ksize=3)

# 展示圖檔
cv2.imshow("sobelx", sobelx)
cv2.waitKey(0)
cv2.destroyAllWindows()      

輸出結果:

計算 y

代碼:

# 讀取圖檔
img = cv2.imread("pie.png")

# Sobel算子
sobely = cv2.Sobel(img, -1, 0, 1, ksize=3)

# 展示圖檔
cv2.imshow("sobely", sobely)
cv2.waitKey(0)
cv2.destroyAllWindows()      

輸出結果:

計算 x+y

代碼:

# 讀取圖檔
img = cv2.imread("pie.png")

# Sobel算子
sobel = cv2.Sobel(img, -1, 1, 1, ksize=3)

# 展示圖檔
cv2.imshow("sobel", sobel)
cv2.waitKey(0)
cv2.destroyAllWindows()      

輸出結果:

融合

代碼:

# Sobel算子
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)

# 轉換成絕對值
sobelx = cv2.convertScaleAbs(sobelx)
sobely = cv2.convertScaleAbs(sobely)

# 融合
sobel_xy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)

# 展示圖檔
cv2.imshow("sobel_xy", sobel_xy)
cv2.waitKey(0)
cv2.destroyAllWindows()      

輸出結果: