互联网站建设维护是做什么的,企业网站策划方案模板,centos 7.4 wordpress,江西九江刚刚发生的新闻五、边缘检测
5.2基于二阶导数的边缘检测
一阶导数#xff08;如Sobel、Prewitt算子#xff09;能够捕捉到灰度值的快速变化#xff0c;但有时会因检测到过多的边缘点而导致边缘线过粗。为了更加精确地定位边缘位置#xff0c;可以利用二阶导数的零交叉点。零交叉点是是函…五、边缘检测
5.2基于二阶导数的边缘检测
一阶导数如Sobel、Prewitt算子能够捕捉到灰度值的快速变化但有时会因检测到过多的边缘点而导致边缘线过粗。为了更加精确地定位边缘位置可以利用二阶导数的零交叉点。零交叉点是是函数二阶导数为零正负变换的点。
高斯拉普拉斯算子是一种用于图像边缘检测的算法。它先对图像进行高斯平滑处理然后计算拉普拉斯算子以找到图像中的零交叉点从而实现图像边缘位置的检测。
其的优点有
①抗噪声能力强LoG算子结合了高斯平滑和拉普拉斯锐化的优点。高斯平滑能够有效地抑制图像中的噪声减少噪声对边缘检测的影响。这使得LoG算子在处理含有噪声的图像时能够更准确地检测出边缘防止因噪声而出现伪边缘检测。
②可调整性强LoG算子中的高斯核标准差σ是一个可调整的参数通过改变σ的值可以控制高斯平滑的程度适应不同噪声水平和边缘特性的图像进而优化缘检测的效果。
def apply_log(image, sigma):应用高斯拉普拉斯算子进行边缘检测。参数:image: 输入图像sigma: 高斯核的标准差用于平滑图像返回:edges: 检测到的边缘图像# 使用高斯模糊平滑图像blurred_image cv2.GaussianBlur(image, (0, 0), sigma)# 计算拉普拉斯算子laplacian_image cv2.Laplacian(blurred_image, cv2.CV_64F)# 将拉普拉斯图像的数据类型转换为8位无符号整数laplacian_image np.uint8(np.absolute(laplacian_image))# 找到零交叉点作为边缘# 使用阈值来近似找到零交叉点_, edges cv2.threshold(laplacian_image, 0, 255, cv2.THRESH_BINARY cv2.THRESH_OTSU)return edges# 读取图像
image cv2.imread(fu.jpg, cv2.IMREAD_GRAYSCALE)# 缩小原图
resized_image cv2.resize(image, None, fx0.4, fy0.4)# 应用LoG算子
edges apply_log(resized_image, sigma1.5)# 缩小边缘图像确保使用与原图相同的缩放因子
resized_edges cv2.resize(edges, (resized_image.shape[1], resized_image.shape[0]))# 将原图和处理后的图像水平堆叠
stacked_image np.hstack((resized_image, resized_edges))# 显示结果
cv2.imshow(Original and Edges, stacked_image)
cv2.waitKey(0)
cv2.destroyAllWindows() 5.3 Canny边缘检测算子
5.3.1Canny边缘检测算子概念Canny算法是应用于边缘检测的标准算法其目标是找到一个最优的边缘检测解即尽可能多地标识出图像中的实际边缘同时使标识出的边缘尽可能接近实际边缘并尽可能减少噪声对边缘检测结果的干扰。
5.3.2原理及步骤
①图像平滑使用高斯滤波器对原始图像进行平滑处理减少图像噪声。高斯滤波器通过加权平均周围像素的值来模糊图像降低噪声的影响。
②梯度计算计算平滑后图像的梯度幅度和方向。通常使用Sobel算子、Prewitt算子等来计算图像在水平和垂直方向上的梯度值从而得到每个像素点的梯度大小和方向。
③非极大值抑制在梯度图像上对每个像素点在其梯度方向上进行比较并保留局部最大值点抑制非边缘像素。从而细化边缘线条减少边缘的宽度。
④双阈值检测设定高阈值和低阈值梯度值大于高阈值的一定是边缘梯度值小于低阈值的一定不是边缘要是介于高阙值和低阙值之间就要根据其的邻接像素做出判断。
⑤边缘连接从强边缘像素开始沿着梯度方向追踪并连接相邻的弱边缘像素从而形成完整的边缘。
import cv2
import numpy as np# 读取图片
image cv2.imread(fu.jpg)# 转换为灰度图
gray_image cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)# 应用高斯模糊
blurred_image cv2.GaussianBlur(gray_image, (5, 5), 0)# 使用Canny算子进行边缘检测
low_threshold 50
high_threshold 150
edges cv2.Canny(blurred_image, low_threshold, high_threshold)# 获取原始图像和边缘检测图像的尺寸
height, width image.shape[:2]
edges_height, edges_width edges.shape[:2]# 将图像缩小一半
resized_image cv2.resize(image, (width // 2, height // 2))
resized_edges cv2.resize(edges, (edges_width // 2, edges_height // 2))# 显示原图和边缘检测结果
cv2.imshow(Original Image, resized_image)
cv2.imshow(Edges, resized_edges)# 等待按键后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows() 注本人为在校学生博客是边学边写的主要是为了巩固知识如有错误请积极指正。
本文的内容主要基于我对张运楚教授编著的《数字图像处理》一书的学习和理解。这本书深入浅出地介绍了数字图像处理的基本理论以及经典算法等并且提供了丰富的示例代码和实际用例极大地帮助了我学习图像处理知识。在此我推荐大家阅读这本书更加深入的学习有关图像处理的知识。
