这篇教程OpenCV 图像梯度的实现方法写得很实用，希望能帮到您。
概述OpenCV 是一个跨平台的计算机视觉库, 支持多语言, 功能强大. 今天小白就带大家一起携手走进 OpenCV 的世界.
梯度运算梯度: 膨胀 (Dilating) - 腐蚀 (Eroding). 例子: # 读取图片pie = cv2.imread("pie.png")# 核kernel = np.ones((7, 7), np.uint8)# 计算梯度gradient = cv2.morphologyEx(pie, cv2.MORPH_GRADIENT, kernel=kernel)# 图片展示cv2.imshow("gradient", gradient)cv2.waitKey(0)cv2.destroyAllWindows()输出结果: 
礼帽礼帽 (Top Hat): 原始输入 - 开运算结果. 例子: # 读取图片img = cv2.imread("white.png")# 核kernel = np.ones((7, 7), np.uint8)# 礼帽tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel=kernel)# 图片展示cv2.imshow("tophat", tophat)cv2.waitKey(0)cv2.destroyAllWindows()输出结果: 
黑帽黑帽 (Black Hat): 闭运算 - 原始输入. 例子: # 读取图片img = cv2.imread("white.png")# 核kernel = np.ones((7, 7), np.uint8)# 礼帽blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel=kernel)# 图片展示cv2.imshow("blackhat", blackhat)cv2.waitKey(0)cv2.destroyAllWindows()输出结果: 
Sobel 算子Sobel 算子 (Sobeloperator) 是边缘检测中非常重要的一个算子. Sobel 算子是一类离散性差分算子, 用来运算图像高亮度函数的灰度之近似值. 格式: cv2.Sobel(src, ddepth, dx, dy, ksize) 参数: - src: 原图
- ddepth: 图片深度
- dx: 水平方向
- dy: 竖直方向
- ksize: 算子大小
计算 x代码: # 读取图片img = cv2.imread("pie.png")# Sobel算子sobelx = cv2.Sobel(img, -1, 1, 0, ksize=3)# 展示图片cv2.imshow("sobelx", sobelx)cv2.waitKey(0)cv2.destroyAllWindows()输出结果: 
计算 y代码: # 读取图片img = cv2.imread("pie.png")# Sobel算子sobely = cv2.Sobel(img, -1, 0, 1, ksize=3)# 展示图片cv2.imshow("sobely", sobely)cv2.waitKey(0)cv2.destroyAllWindows()输出结果: 
计算 x+y代码: # 读取图片img = cv2.imread("pie.png")# Sobel算子sobel = cv2.Sobel(img, -1, 1, 1, ksize=3)# 展示图片cv2.imshow("sobel", sobel)cv2.waitKey(0)cv2.destroyAllWindows()输出结果: 
融合代码: # 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)# 转换成绝对值sobelx = cv2.convertScaleAbs(sobelx)sobely = cv2.convertScaleAbs(sobely)# 融合sobel_xy = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0)# 展示图片cv2.imshow("sobel_xy", sobel_xy)cv2.waitKey(0)cv2.destroyAllWindows()输出结果: 
注: 当 ddepth 设置为 -1, 即与原图保持一致, 得到的结果可能是错误的. 计算梯度值可能出现负数, 负数会自动截断为 0. 为了避免信息丢失, 我们需要使用更高是数据类型 cv2.CV_64F, 再通过取绝对值将其映射到 cv2.CV_8U 类型. 到此这篇关于OpenCV 图像梯度的实现方法的文章就介绍到这了,更多相关OpenCV 图像梯度内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
ROS系统将python包编译为可执行文件的简单步骤
python非标准时间的转换 |
