常用边缘检测算法 |
您所在的位置：网站首页 › 边缘检测过程包括哪些 › 常用边缘检测算法 |
常用边缘检测算法
|
示例图像
将原图像转换为灰度图后进行测试 [ − 1 0 0 1 ] \left[ \begin{matrix} -1 ; 0\\ 0 ; 1 \end{matrix} \right] [−1001] [ 0 − 1 1 0 ] \left[ \begin{matrix} 0 ; -1\\ 1 ; 0 \end{matrix} \right] [01−10] robert算子由如图所示两个算子相加而成，以下为实现过程 def Robert(img): operator_first = np.array([[-1,0],[0,1]]) operator_second = np.array([[0,-1],[1,0]]) """ copyMakeBorder 边缘扩充 * BORDER_REPLICATE 复制最边缘像素 * BORDER_REFLECT * BORDER_REFLECT_101 以最边缘像素为轴，对称 * BORDER_WRAP * BORDER_CONSTANT 以一个常量像素值填充扩充的边界值 * BORDER_REPLICATE: aaaaaa|abcdefgh|hhhhhhh * BORDER_REFLECT: fedcba|abcdefgh|hgfedcb * BORDER_REFLECT_101: gfedcb|abcdefgh|gfedcba * BORDER_WRAP: cdefgh|abcdefgh|abcdefg * BORDER_CONSTANT: iiiiii|abcdefgh|iiiiiii with some specified 'i' """ img2 = cv2.copyMakeBorder(img,1,1,1,1,cv2.BORDER_DEFAULT) img3 = img2.copy() for i in range(1,img2.shape[0]): for j in range(1,img2.shape[1]): kernel = img2[i-1:i+2,j-1:j+2] img3[i,j] = np.abs(np.sum(kernel[1:,1:]*operator_first))+np.abs(np.sum(kernel[1:,1:]*operator_second)) cv2.imshow("img3",img3)
颜色变化一阶导数 (垂直梯度) [ − 1 − 2 − 1 0 0 0 1 2 1 ] \left [ \begin{matrix} -1 ; -2 ; -1\\ 0 ; 0 ; 0\\ 1 ; 2 ;1 \end{matrix} \right] \tag{垂直梯度} ⎣⎡−101−202−101⎦⎤( |
【本文地址】
今日新闻 |
推荐新闻 |