Python - opencv (一) 边缘检测

本文开始Python - opencv的学习，因为有一些图像基础，图形学的基础部分（包括图像基本知识、环境部署、灰度直方图和二值化、图像缩放、腐蚀膨胀、开闭运算）跳过，直接从常用处理和机器学习开始。

本文记录opencv的边缘检测应用。

一. Sobel算子

sobel算子的思想，Sobel算子认为，邻域的像素对当前像素产生的影响不是等价的，所以距离不同的像素具有不同的权值，对算子结果产生的影响也不同。一般来说，距离越远，产生的影响越小。

sobel算子的原理，对传进来的图像像素做卷积，卷积的实质是在求梯度值，或者说给了一个加权平均，其中权值就是所谓的卷积核；然后对生成的新像素灰度值做阈值运算，以此来确定边缘信息。

 

原图中的作用点像素值通过卷积之后为：

可以简化成：

比如，一下矩阵为原图中的像素点矩阵，带入上式中的A，最终得到的G或者|G|是下面(x,y)处的像素值，可以自己去搜索下卷积的含义来理解。

 

另外，卷积核也可以旋转，用与查找不与x,y轴平行或垂直的方向上的边缘。

一般来说，对图像分别进行x和y两个方向的sobel运算再求和，比先进行一个方向，再进行另一个方向效果要好很多。

例子：

原图：

 

代码：

import cv2

if __name__ == '__main__':
    img = cv2.imread('../pics/1.jpg', cv2.IMREAD_GRAYSCALE)
    cv2.imshow('img', img)
    sobel_x = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
    sobel_x = cv2.convertScaleAbs(sobel_x)
    sobel_y = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
    sobel_y = cv2.convertScaleAbs(sobel_y)
    sobel_xy = cv2.addWeighted(sobel_x, 0.5, sobel_y, 0.5, 0)
    cv2.imshow('img', sobel_xy)
    cv2.waitKey()
    cv2.destroyAllWindows()

这里convertScaleAbs函数是一个位深转化函数，可将任意类型的数据转化为CV_8UC1。具体数据处理方式如下：

(1). 对于src*alpha+beta的结果如果是负值且大于-255，则直接取绝对值；

(2). 对于src*alpha+beta的结果如果大于255，则取255；

(3). 对于src*alpha+beta的结果是负值，且小于-255，则取255；

(4). 对于src*alpha+beta的结果如果在0-255之间，则保持不变；

对于单方向sobel以后，卷积乘到的赋值进行一个变换，可以实现两个方向分别求卷积

效果：

人的轮廓基本上能分割出来

 

二. Scharr算子和Laplacian算子

 

特点：对边界识别度更高，缺点是对噪声很敏感

两者算法和Sobel很像，都是求卷积

代码：

import cv2
import numpy as np

if __name__ == '__main__':
    img = cv2.imread('../pics/1.jpg', cv2.IMREAD_GRAYSCALE)

    scharr_x = cv2.Scharr(img, cv2.CV_64F, 1, 0)
    scharr_x = cv2.convertScaleAbs(scharr_x)
    scharr_y = cv2.Scharr(img, cv2.CV_64F, 0, 1)
    scharr_y = cv2.convertScaleAbs(scharr_y)
    scharr_xy = cv2.addWeighted(scharr_x, 0.5, scharr_y, 0.5, 0)

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

    res = np.hstack((scharr_xy, laplacian))
    cv2.imshow('img', res)
    cv2.waitKey()

效果：

 

三. Canny算法

Canny算法包括下列步骤：

1. 滤波消除噪声（Gauss）
2. 计算每个像素点的梯度强度和方向
3. 非极大值抑制，消除杂散效应
4. 双阈值确定边缘
5. 抑制过滤的弱边缘，完成检测

非极大值抑制的两种方法：

1.

 

 

 

2.

 

 

双阈值检测

梯度值 > max : 处理为边界

min < 梯度值 < max：有边界则保留，否则删除

梯度值 < min: 删除

 

 

代码：

canny = cv2.Canny(img, 60, 120) # param2 and param3 are threshold

 

效果：阈值越大，选取边界范围越小