這篇文章將為大家詳細(xì)講解有關(guān)opencv中python圖像梯度的示例分析，小編覺(jué)得挺實(shí)用的，因此分享給大家做個(gè)參考，希望大家閱讀完這篇文章后可以有所收獲。

為臺(tái)前等地區(qū)用戶提供了全套網(wǎng)頁(yè)設(shè)計(jì)制作服務(wù)，及臺(tái)前網(wǎng)站建設(shè)行業(yè)解決方案。主營(yíng)業(yè)務(wù)為成都網(wǎng)站制作、網(wǎng)站設(shè)計(jì)、臺(tái)前網(wǎng)站設(shè)計(jì)，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專(zhuān)業(yè)、用心的態(tài)度為用戶提供真誠(chéng)的服務(wù)。我們深信只要達(dá)到每一位用戶的要求，就會(huì)得到認(rèn)可，從而選擇與我們長(zhǎng)期合作。這樣，我們也可以走得更遠(yuǎn)！

這篇文章主要介紹了opencv python圖像梯度實(shí)例詳解,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

一階導(dǎo)數(shù)與Soble算子

二階導(dǎo)數(shù)與拉普拉斯算子

圖像邊緣：

Soble算子：

二階導(dǎo)數(shù)：

拉普拉斯算子：

import cv2 as cv
import numpy as np


# 圖像梯度（由x,y方向上的偏導(dǎo)數(shù)和偏移構(gòu)成），有一階導(dǎo)數(shù)（sobel算子）和二階導(dǎo)數(shù)（Laplace算子）
# 用于求解圖像邊緣，一階的極大值，二階的零點(diǎn)
# 一階偏導(dǎo)在圖像中為一階差分，再變成算子（即權(quán)值）與圖像像素值乘積相加，二階同理
def sobel_demo(image):
  grad_x = cv.Sobel(image, cv.CV_32F, 1, 0) # 采用Scharr邊緣更突出
  grad_y = cv.Sobel(image, cv.CV_32F, 0, 1)

  gradx = cv.convertScaleAbs(grad_x) # 由于算完的圖像有正有負(fù)，所以對(duì)其取絕對(duì)值
  grady = cv.convertScaleAbs(grad_y)

  # 計(jì)算兩個(gè)圖像的權(quán)值和，dst = src1*alpha + src2*beta + gamma
  gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0)

  cv.imshow("gradx", gradx)
  cv.imshow("grady", grady)
  cv.imshow("gradient", gradxy)


def laplace_demo(image): # 二階導(dǎo)數(shù)，邊緣更細(xì)
  dst = cv.Laplacian(image,cv.CV_32F)
  lpls = cv.convertScaleAbs(dst)
  cv.imshow("laplace_demo", lpls)


def custom_laplace(image):
  # 以下算子與上面的Laplace_demo()是一樣的，增強(qiáng)采用np.array([[1, 1, 1], [1, -8, 1], [1, 1, 1]])
  kernel = np.array([[1, 1, 1], [1, -8, 1], [1, 1, 1]])
  dst = cv.filter2D(image, cv.CV_32F, kernel=kernel)
  lpls = cv.convertScaleAbs(dst)
  cv.imshow("custom_laplace", lpls)


def main():
  src = cv.imread("../images/lena.jpg")
  cv.imshow("lena",src)
  # sobel_demo(src)
  laplace_demo(src)
  custom_laplace(src)
  cv.waitKey(0) # 等有鍵輸入或者1000ms后自動(dòng)將窗口消除，0表示只用鍵輸入結(jié)束窗口
  cv.destroyAllWindows() # 關(guān)閉所有窗口


if __name__ == '__main__':
  main()

關(guān)于“opencv中python圖像梯度的示例分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，使各位可以學(xué)到更多知識(shí)，如果覺(jué)得文章不錯(cuò)，請(qǐng)把它分享出去讓更多的人看到。

分享題目：opencv中python圖像梯度的示例分析-創(chuàng)新互聯(lián)
文章源于：http://aaarwkj.com/article30/pgjso.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供云服務(wù)器、ChatGPT、全網(wǎng)營(yíng)銷(xiāo)推廣、網(wǎng)站策劃、定制網(wǎng)站、用戶體驗(yàn)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)