本文由本人原創(chuàng)，僅作為自己的學(xué)習(xí)記錄

主要利用Sobel，用作邊緣檢測，它是一離散性差分算子，用來運算圖像亮度函數(shù)的灰度值。在圖像的任何一點使用此算子，將會產(chǎn)生對應(yīng)的灰度矢量或是其法矢量。

Sobel邊緣檢測通常帶有方向性，可以只檢測豎直邊緣或垂直邊緣或都檢測。

本文先對圖片進行大小處理，使得都是一個大小的圖片

然后從XY兩個方向檢測，然后利用addweight進行圖像混合

然后設(shè)置閾值，進行圖像二值化處理，本,文中設(shè)置的是100，如果原灰度值大于100，把灰度值設(shè)為0（黑色），因為邊緣為白色要變成黑色，如果小于100，設(shè)為255（白色）THRESH_BINARY_INV（二值化取反）

下面是代碼

#coding=utf-8 ?
import cv2 as cv
import os
import matplotlib.pyplot as plt

def set_img_size(path,file):
? ? src_img = cv.imread(file, cv.IMREAD_GRAYSCALE)
? ? dst_img= cv.resize(src_img,(220,350))
? ? cv.imwrite(path+'\\2_tmp.jpg',dst_img)
? ? return path+'\\2_tmp.jpg'
if __name__=="__main__":
? ? path=os.getcwd()
? ? file = path+'\\2.jpg'
? ? file_name = set_img_size(path,file)
? ? sobel_img = cv.imread(file_name, cv.IMREAD_GRAYSCALE)
? ??
? ? x= cv.Sobel(sobel_img,cv.CV_16S,1,0)#x方向邊緣檢測
? ? y= cv.Sobel(sobel_img,cv.CV_16S,0,1)
? ? #x,y方向分辨轉(zhuǎn)換為uint8(8位無符號)類型
? ? ux = cv.convertScaleAbs(x)
? ? uy = cv.convertScaleAbs(y)
? ? #x,y合并
? ? sb_img = cv.addWeighted(ux,0.5,uy,0.5,0)
? ??
? ? #設(shè)置閾值，如果原值大于100，設(shè)為0，因為邊緣為白色要變成黑色，如果小于100，設(shè)為255?
? ? retval,sb_img = cv.threshold(sb_img,100,255.0, cv.THRESH_BINARY_INV)
? ??
? ? cv.imshow("result",sb_img)
? ? #cv.waitKey(0) ?
? ? cv.destroyAllWindows()
? ? cv.imwrite(path+'\\2_result.jpg',sb_img)

總結(jié)

以上是生活随笔為你收集整理的python-图像边缘化处理的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。