零基础入门机器视觉（7）

2019-07-16 14:05:34 阅读：215 来源： 互联网

边缘检测和轮廓检测

先说两个滤波器

高通滤波器和低通滤波器

**高通滤波**主要是将那些比它周围像素亮度强的像素提取出来让它更加亮，一般用作边缘提取	
**低通滤波**是在像素与周围像素亮度差值小于一个特定值时，平滑该像素的亮度。主要是用于去噪

然后再说一个核：
核是指一组权重得集合，他会运用在源图像得一个区域，并由此生成目标图像的一个像素。可以把核看作一块可以在图像上可以移动得毛玻璃，玻璃片覆盖区域得光线会按照某种方式进行扩散混合后透过去

话不多说上代码

import numpy as np
import cv2 as cv
from scipy import ndimage
kernal_3x3 = np.array([[-1, -1, -1],
              [-1, 8, -1],
              [-1, -1, -1]])
kernal_5x5 = np.array([[-1, -1, -1, -1, -1],
              [-1, 1, 2, 1, -1],
              [-1, 2, 4, 2, -1],
              [-1, 1, 2, 1, -1],
              [-1, -1, -1, -1, -1]])
src = cv.imread('img3.jpg',0) #加入参数0，将图片转化为灰度图
k3 = ndimage.convolve(src, kernal_3x3)
k5 = ndimage.convolve(src, kernal_5x5)
blurred = cv.GaussianBlur(src, (11, 11), 0) #参数（11， 11）表示的是做卷积的核数
g_hbf = src - blurred
cv.imshow('3x3', k3) # 三核的滤波
cv.imshow('5x5', k5) # 五核的滤波
cv.imshow('g_hbf', g_hbf) #高通滤波器
cv.waitKey(0)
cv.destroyAllWindows()
#在这里我让核得所有值相加为0，当然你也可以根据不同得需求做出一定得更改

在代码中有一个注意得问题就是
运行结果如下
在这里插入图片描述
由于要通过核与图像做卷积来完成，但是numpy只接受一维数组，所以在这里使用得是ndimage.convole()，注意核数一定为奇数

很明显采用高斯模糊的效果很好

边缘检测有很多种，但最常用也是检测效果最好的还是canny检测
直接上代码


src = cv.imread('tools.jpg')
canny = cv.Canny(src, 230, 300)
cv.imshow('img3.jpg',canny)
cv.imshow('src', src)
cv.waitKey(0)
cv.destroyAllWindows()

让我们看看结果
在这里插入图片描述
就短短的几行代码
但是实际上它进行了五个步骤，即使用高斯滤波器对图片进行去噪，计算梯度，在边缘上使用最大抑制（NMS），在检测到边缘上使用双阈值去除假阳性，最后还会分析所有边缘及其之间的联系，以确保留下真正的边缘并消除不明显的边缘

接下来让我们玩玩轮廓提取
步骤如下：
1）将图像转化为灰度图
2）将灰度图转化为二值图
3）提取轮廓信息
4）在白板画出轮廓

import  cv2 as cv
src = cv.imread('img3.jpg')
gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
_,binary = cv.threshold(gray, 100, 255, cv.THRESH_BINARY)
contours, h = cv.findContours(binary,cv.RETR_TREE, cv.CHAIN_APPROX_SIMPLE)
h,w,ch = src.shape
blank = np.zeros([h, w, ch], src.dtype)
res = cv.drawContours(blank, contours, -1, (255, 255, 255))
cv.imshow('res',res)
cv.waitKey(0)
cv.destroyAllWindows()

运行结果如下：
在这里插入图片描述
有几个函数需要解释以下
cv.threshold(gray, 阈值1，最大值，处理方法)
gray为灰度图，阈值1为一个边界值，比如小于阈值1就变成 0，大于阈值1就变成 255，这就要看最后一个参数是怎样去处理，他会返回一个二值图

cv.findContours(binary, 处理方法，保存方法) 这个很好理解

cv.drawContours(blank, 坐标，颜色，线的粗细)

cv.threshold（）对图像进行二值化处理
注：res, contours, hierarchy = cv.findContours(image, mode, method)

res表示处理后的图像，不过在现在cv4的话就可以不用这个值，因为这个函数本身会对图像进行修改
contours返回的轮廓数组，每个轮廓组由（一系列坐标组成）
hierarchy:图像的拓扑结构
image:需要处理的图像，此处必须为二值图像
mode:轮廓检索模式{
1）cv.RETR_EXTERNAL:只检测外轮廓
2）cv.RETR_LIST:检测的轮廓不建立等级关系
3）cv.RETR_CCOMP:建立两个等级的轮廓，上面的一层为外边界，里面的一层为内孔的边信息
4）cv.RETR_TREE:建立一个等级数结构的轮廓，常用这个方法
}
method:轮廓的保存方法{
1）cv.CHAIN_APPROX_NONE:保存所有的轮廓点
2）cv.CHAIN_APPOX_SIMPLE:压缩水平方向，垂直方向，对角线方向上的元素，只保存某个方向上的两个点（可以简单的理解为只保存一条线上的两个点），这是常用的方法
}

res = cv.drawContours(img, contours, contourIdx, color[,thickness])
res 为处理后的图像
img 需要处理的原图像，这里会改变原图像，所以采用了img.copy()
contours:轮廓
contourx:需要描绘的轮廓的下标， -1表示绘制所有轮廓
color:需要绘制轮廓的颜色
thickness:轮廓的粗细
‘’’

标签：src,机器,入门,res,contours,图像,视觉,轮廓,cv
来源： https://blog.csdn.net/tgj2094942564/article/details/96131369

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

零基础入门机器视觉（7）