python+opencv边缘提取与各函数参数解析

站长资源 2024/11/24 佚名

2 0 1

前情提要：作为刚入门机器视觉的小伙伴，第一节课学到机器视觉语法时觉得很难理解，

很多人家的经验，我发现都千篇一律，功能函数没解析，参数不讲解，就一个代码，所以在此将搜集的解析和案例拿出来汇总！！!

一、opencv+python环境搭建

其实能写python的就能写opencv，但是工具很总要，代码提示也很重要，你可能会用submit vs等工具，submit编码个人觉得不够智能，vs的话过完年我学的方向不一致，所以没用

推荐 pycharm ,在项目setting中的项目解释器中安装 opencv-python 即可进行编码。python环境搭建也灰常方便。

二、边缘提取案例

import cv2
def edge_demo(image):
  #GaussianBlur图像高斯平滑处理
  blurred = cv2.GaussianBlur(image, (3, 3), 0)
　　#(3, 3)表示高斯矩阵的长与宽都是3,意思就是每个像素点按3*3的矩阵在周围取样求平均值，，标准差取0
  gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
　　#颜色模式转换成cv2.COLOR_BGR2GRAY模式下的灰度图像
  
  edge_output = cv2.Canny(gray, 50, 150)
　　#提取上一步中处理好的图像边缘，50和150分别代表低阈值和高阈值，高阈值用来将物体与背景区分开来，低的用于平滑连接高阈值产生的片段，使图像成一个整体
  cv2.imshow("canny edge", edge_output)#输出灰度图像
　　#原图与灰度图像与运算，按照灰度图剪切加和的原图
  dst = cv2.bitwise_and(image, image, mask=edge_output)  cv2.imshow("color edge", dst)#输出带颜色边缘图像


if __name__ == '__main__':
  img = cv2.imread("cat.jpg")
  # cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
  cv2.imshow("input image", img)
  edge_demo(img)

  cv2.waitKey(0)#等待键盘输入，不输入 则无限等待
  cv2.destroyAllWindows()#清除所以窗口

三、解释功能函数

其实上面的代码也是用的别人的，但绝大多数都没有解释，对于像我这种新手不是很友好

高斯处理

图像处理中，常用的滤波算法有均值滤波、中值滤波以及高斯滤波等。

三种滤波器的对比：

滤波器种类基本原理特点

均值滤波使用模板内所有像素的平均值代替模板中心像素灰度值易收到噪声的干扰，不能完全消除噪声，只能相对减弱噪声

中值滤波计算模板内所有像素中的中值，并用所计算出来的中值体改模板中心像素的灰度值对噪声不是那么敏感，能够较好的消除椒盐噪声，但是容易导致图像的不连续性

高斯滤波对图像邻域内像素进行平滑时，邻域内不同位置的像素被赋予不同的权值对图像进行平滑的同时，同时能够更多的保留图像的总体灰度分布特征

意思就是使你的图像灰度分布更均匀，每个点的像素均为周围 按3*3的矩阵在周围取样求平均值，，标准差取0来处

 blurred = cv2.GaussianBlur(image, (3, 3), 0)
#GaussianBlur图像高斯平滑处理
#(3, 3)表示高斯矩阵的长与宽都是3,意思就是每个像素点按3*3的矩阵在周围取样求平均值，，标准差取0

灰度转换----》也叫做二值化处理

故名思意就是转换成黑白图像，后面的参数中 cv2.COLOR_BGR2GRAY 其实就是色彩模式，所以函数名为 cvtColor（色彩模式转换）

cvtColor()用于将图像从一个颜色空间转换到另一个颜色空间的转换（目前常见的颜色空间均支持），并且在转换的过程中能够保证数据的类型不变， 即转换后的图像的数据类型和位深与源图像一致

 gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
　　#颜色模式转换成cv2.COLOR_BGR2GRAY模式下的灰度图像

边缘识别提取

这一步是将二值化后的图像提取边缘，50和150分别代表低阈值和高阈值，高阈值用来将物体与背景区分开来，低的用于平滑连接高阈值产生的片段，使图像成一个整体

简明而言就是，小的用于细小的地方处理，大的宏观处理----》大阈值用于分离背景与轮廓，晓得用于拼接细小的轮廓，即可形成一个整体

edge_output = cv2.Canny(gray, 50, 150)
　　#提取上一步中处理好的图像边缘，50和150分别代表低阈值和高阈值，高阈值用来将物体与背景区分开来，低的用于平滑连接高阈值产生的片段，使图像成一个整体

输出即可，小面的函数只是对比学习而已，可以不用

（对于dst = cv2.bitwise_and(image, image, mask=edge_output) cv2.imshow("color edge", dst)#输出带颜色边缘图像

)

python,opencv边缘提取,opencv边缘提取

广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！

评论“python+opencv边缘提取与各函数参数解析”

暂无评论...

《魔兽世界》大逃杀！60人新游玩模式《强袭风暴》3月21日上线

暴雪近日发布了《魔兽世界》10.2.6 更新内容，新游玩模式《强袭风暴》即将于3月21 日在亚服上线，届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。

艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕，并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时，他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中，玩家将会进入一个全新的海盗主题大逃杀式限时活动，其中包含极高的风险和史诗级的奖励。
《强袭风暴》不是普通的战场，作为一个独立于主游戏之外的活动，玩家可以用大逃杀的风格来体验《魔兽世界》，不分职业、不分装备（除了你在赛局中捡到的），光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式，玩家在加入海盗主题的预赛大厅区域前，可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹，《巨龙崛起》和《魔兽世界：巫妖王之怒经典版》的玩家都可以获得奖励。

更新日志

2024年11月24日

python+opencv边缘提取与各函数参数解析

python微信公众号开发简单流程实现

Python 面向对象部分知识点小结

评论“python+opencv边缘提取与各函数参数解析”

《魔兽世界》大逃杀！60人新游玩模式《强袭风暴》3月21日上线

更新日志

友情链接