没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
41页
OpenCV计算机视觉基础教程 Python版 慕课版 主讲教师:*** OpenCV计算机视觉基础教程(Python版)课件05边缘和轮廓全文共41页,当前为第1页。 第5章 边缘和轮廓 本章主要内容: 边缘检测 图像轮廓 霍夫变换 实验 OpenCV计算机视觉基础教程(Python版)课件05边缘和轮廓全文共41页,当前为第2页。 5.1.1 Laplacian边缘检测 Laplacian(拉普拉斯)边缘检测使用图像矩阵与拉普拉斯核进行卷积运算,其本质是计算图像中任意一点与其在水平方向和垂直方向上4个相邻点平均值的差值。常用的拉普拉斯核如下。 cv2.Laplacian()函数用于实现Laplacian边缘检测,其基本格式如下。 dst=cv2.Laplacian(src,ddepth[,ksize[,scale[,delta[,borderType]]]]) 参数说明如下。 dst表示边缘检测结果图像。 src为原图像。 ddepth为目标图像的深度。 ksize为用于计算二阶导数滤波器的系数,必须为正数且为奇数。 scale为可选比例因子。 delta为添加到边缘检测结果中的可
资源推荐
资源详情
资源评论
OpenCV计算机视觉基础教程
Python版 慕课版
主讲教师:***
第5章 边缘和轮廓
本章主要内容:
• 边缘检测
• 图像轮廓
• 霍夫变换
• 实验
5.1.1 Laplacian边缘检测
Laplacian(拉普拉斯)边缘检测使用图像矩阵与拉普拉斯核进行卷积运算,其本质是计算图像中任意一点与其在水平
方向和垂直方向上4个相邻点平均值的差值。常用的拉普拉斯核如下。
cv2.Laplacian()函数用于实现Laplacian边缘检测,其基本格式如下。
dst=cv2.Laplacian(src,ddepth[,ksize[,scale[,delta[,borderType]]]])
参数说明如下。
• dst表示边缘检测结果图像。
• src为原图像。
• ddepth为目标图像的深度。
• ksize为用于计算二阶导数滤波器的系数,必须为正数且为奇数。
• scale为可选比例因子。
• delta为添加到边缘检测结果中的可选增量值。
• borderType为边界值类型。
示例代码如下。
#test5-1.py:拉普拉斯边缘检测
importcv2
img=cv2.imread('bee.jpg') #读取图像
cv2.imshow('original',img) #显示原图像
img2=cv2.Laplacian(img,cv2.CV_8U) #边缘检测
cv2.imshow('Laplacian',img2) #显示结果
5.1.2 Sobel边缘检测
Sobel边缘检测将高斯滤波和微分结合起来执行图像卷积运算,其结果具有一定的抗噪性。cv2.Sobel()函数用于实现Sobel边缘检测,其基本格式如下。
dst=cv2.Sobel(src,depth,dx,dy[,ksize[,scale[,delta[,borderType]]]])
参数说明如下。
• dst表示边缘检测结果图像。
• src为原图像。
• depth为目标图像的深度。
• dx为导数x的阶数。
• dy为导数y的阶数。
• ksize为扩展的Sobel内核的大小,必须是1、3、5或7。
• scale为计算导数的可选比例因子。
• delta为添加到边缘检测结果中的可选增量值。
• borderType为边界值类型。
示例代码如下。
#test5-2.py:Sobel边缘检测
importcv2
img=cv2.imread('bee.jpg') #读取图像
cv2.imshow('original',img) #显示原图像
img2=cv2.Sobel(img,cv2.CV_8U,0,1) #边缘检测
cv2.imshow('Sobel',img2) #显示结果
剩余40页未读,继续阅读
资源评论
是空空呀
- 粉丝: 168
- 资源: 3万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功