#! usr/bin/env python # coding:utf-8 # 2018年7月2日06:48:35 # 2018年7月2日23:11:59 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(‘number.jpg‘,0) # 其中,0表示将图片以灰度读出来。 #### 图像边缘处理sobel细节 sobelx = cv2.Sobel(img,cv2.CV_64F, 1, 0, ksize=3) # 利用Sobel方法可以进行sobel边缘检测 # img表示源图像,即进行边缘检测的图像 # cv2.CV_64F表示64位浮点数即64float。 # 这里不使用numpy.float64,因为可能会发生溢出现象。用cv的数据则会自动 # 第三和第四个参数分别是对X和Y方向的导数(即dx,dy),这里1表示对X求偏导,0表示不对Y求导。其中,X还可以求2次导。 # 注意:对X求导就是检测X方向上是否有边缘。 # 第五个参数ksize是指核的大小。 # 这里说明一下,这个参数的前四个参数都没有给谁赋值,而ksize则是被赋值的对象 # 实际上,这时可省略的参数,而前四个是不可省的参数。注意其中的不同点 # 还有其他参数,有需要的话可以去看,也可留言。 sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3) # 与上面不同的是对y方向进行边缘检测 sobelXY = cv2.Sobel(img, cv2.CV_64F, 1, 1, ksize=3) # 这里对两个方向同时进行检测,则会过滤掉仅仅只是x或者y方向上的边缘 ##### 图像展示 # 展示上面处理的图片,包括源图像。 # 注意使用subplot和title方法 plt.subplot(2,2,1) plt.imshow(img,‘gray‘) # 其中gray表示将图片用灰度的方式显示,注意需要使用引号表示这是string类型。 # 可以用本行命令显示‘gray‘的类型:print(type(‘gray‘)) plt.title(‘src‘) plt.subplot(2,2,2) plt.imshow(sobelx,‘gray‘) plt.title(‘sobelX‘) plt.subplot(2,2,3) plt.imshow(sobely,‘gray‘) plt.title(‘sobelY‘) plt.subplot(2,2,4) plt.imshow(sobelXY,‘gray‘) plt.title(‘sobelXY‘) plt.show() --------------------- 作者:月下花弄影 来源:CSDN 原文:https://blog.csdn.net/qq_27261889/article/details/80891491 版权声明:本文为博主原创文章,转载请附上博文链接!
其中,可以看见不同算法的效果
原文地址:https://www.cnblogs.com/Jasonljy/p/9919776.html
时间: 2024-10-04 11:46:54