一、函式簡介

1、laplacian運算元

函式原型：Laplacian(src, ddepth, dst=None, ksize=None, scale=None, delta=None, borderType=None)

src：影象矩陣

ddepth：深度型別

2、Sobel運算元

函式原型：Sobel(src, ddepth, dx, dy, dst=None, ksize=None, scale=None, delta=None, borderType=None)

src：影象矩陣

ddepth：深度型別

dx：x方向

dy：y方向

3、Canny運算元

函式原型：Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)

image：影象矩陣

threshold1：閾值1

threshold1：閾值2

二、例項演練

1、拉普拉斯邊緣檢測

程式碼如下：

#encoding:utf-8

#
#laplacian邊緣檢測
#

import numpy as np
import cv2

image = cv2.imread("H:\\img\\lena.jpg")
image = cv2.cvtColor(image,cv2.COLOR
 
_BGR2GRAY)#將影象轉化為灰度影象
cv2.imshow("Original",image)
cv2.waitKey()

#拉普拉斯邊緣檢測
lap = cv2.Laplacian(image,cv2.CV_64F)#拉普拉斯邊緣檢測
lap = np.uint8(np.absolute(lap))##對lap去絕對值
cv2.imshow("Laplacian",lap)
cv2.waitKey()

結果如下:

原影象：

laplacian邊緣檢測結果：

2、Soble邊緣檢測

程式碼如下：

#encoding:utf-8

#
#Sobel邊緣檢測
#
 


import numpy as np
import cv2

image = cv2.imread("H:\\img\\lena.jpg")
image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#將影象轉化為灰度影象
cv2.imshow("Original",image)
cv2.waitKey()

#Sobel邊緣檢測
sobelX = cv2.Sobel(image,cv2.CV_64F,1,0)#x方向的梯度
sobelY = cv2.Sobel(image,cv2.CV_64F,0,1)#y方向的梯度

sobelX = np.uint8(np.absolute(sobelX))#x方向梯度的絕對值
sobelY = np.uint8(np.absolute(sobelY))#y方向梯度的絕對值

sobelCombined = cv2.bitwise_or(sobelX,sobelY)#
cv2.imshow("Sobel X", sobelX)
cv2.waitKey()
cv2.imshow("Sobel Y", sobelY)
cv2.waitKey()
cv2.imshow("Sobel Combined", sobelCombined)
cv2.waitKey()

結果如下:

原影象：

X方向邊緣檢測結果：

Y方向邊緣檢測結果：

XY方向結合邊緣檢測結果：

3、Canny邊緣檢測

程式碼如下：

#encoding:utf-8

#
#Canny邊緣檢測
#

import numpy as np
import cv2

image = cv2.imread("H:\\img\\lena.jpg")#讀入影象
image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)#將影象轉化為灰度影象
cv2.imshow("Image",image)#顯示影象
cv2.waitKey()

#Canny邊緣檢測
canny = cv2.Canny(image,30,150)
cv2.imshow("Canny",canny)
cv2.waitKey()

結果如下:

原影象：

Canny邊緣檢測結果：