OpenCV-Python 邊緣檢測

Sobel邊緣檢測

Sobel算子是一種具有方向性的邊緣檢測算子，可以分別計算水平和垂直方向上的灰階突變。

import cv2

img = cv2.imread("01.jpg", 0)

x = cv2.Sobel(img, cv2.CV_16S, 1, 0)
y = cv2.Sobel(img, cv2.CV_16S, 0, 1)

xy = cv2.Sobel(img,cv2.CV_16S, 1 , 1)

absX = cv2.convertScaleAbs(x)
absY = cv2.convertScaleAbs(y)

xy = cv2.convertScaleAbs(xy)

dst = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)

cv2.imshow("absX", absX)
cv2.imshow("absY", absY)
cv2.imshow("Result", dst)
cv2.imshow("XY",xy)
cv2.waitKey(0)
cv2.destroyAllWindows()

cv2.Sobel()函數中第三和第四個參數如果都取1，處理效果是檢測到傾斜方向上的邊緣，對水平和垂直方向上的邊緣都過濾掉了。

Laplacian邊緣檢測

Laplacian基本上可以檢測出圖像在各個方向上的灰階突變，效果上基本等同於使用Sobel檢測的X和Y方向上的邊緣的疊加。

import cv2
import numpy

img = cv2.imread("01.jpg", 0)
imgGau = cv2.GaussianBlur(img,(5,5),0)

gray_lap = cv2.Laplacian(imgGau, cv2.CV_16S, ksize=3)
dst = cv2.convertScaleAbs(gray_lap)

bond = numpy.hstack((img,dst))

cv2.imshow("bond",bond)
cv2.waitKey(0)
cv2.destroyAllWindows()

numpy中的hstack()函數可以把兩幅尺寸相同的圖片粘合到一起。

Canny邊緣檢測

Canny邊緣檢測可以相對有效的連接斷裂的邊緣，需要指定一個最大最小灰階值組成區間，結果生成的是二值圖像。

import cv2

img = cv2.imread("01.jpg", 0)
img = cv2.GaussianBlur(img, (3, 3), 0)

canny = cv2.Canny(img, 50, 255)

cv2.imshow('Canny', canny)
cv2.waitKey(0)
cv2.destroyAllWindows()