OpenCV实现灰度、高斯模糊、边缘检测的示例
一、彩色图像转灰度
Opencv提供了一个方法，可以使彩色图像变为灰度图像。
函数名：cvtColor(src,dest,way);
src表示初始的mat对象；
dest表示转换后的mat对象；
way表示以何种方式转换。
举个例子：
int main()
{
//定义路径
string path = "Resources//test.png";
//Mat:opencv引入的矩阵数据类型，处理所有图像
Mat img = imread(path);
//创建一个新的mat对象，用来存放转换后的灰度图像
Mat imgGray;
//灰度转换函数
cvtColor(img, imgGray, COLOR_BGR2GRAY);
//展示图片，并给图片取名
imshow("Image", img);
//延迟，直到我们按下关闭按钮
imshow("ImageGray", imgGray);
waitKey(0);
return 0;
}
这里的方法就是COLOR_BGR2GRAY，
解释出来就是：RGB颜色to灰度。
运行截图：
二、高斯模糊
高斯模糊本质上是低通滤波器，输出图像的每个像素点是原图像上对应像素点与周围像素点的加权和。
函数：GaussianBlur(src,dest,size(m,n),sigma1,sigma2);
高斯模糊,第三，第四，第五参数为高斯模糊的度数。
定义内核大小为m*n,数字越大越模糊；
然后有sigma1和sigma2，这两个数也是模糊度数的参数，可定义为0。
//创建一个模糊对象
Mat imgBlur;
//高斯模糊,第三，第四，第五参数为高斯模糊的度数,
//定义内核大小为7*7,数字越大越模糊；
//然后有sigma1和sigma2，这两个数可定义为0
GaussianBlur(img, imgBlur, Size(7, 7),0,0);
imshow("ImageBlur", imgBlur);
waitKey(0);
运行截图：
三、边缘检测
我们有很多边缘检测器，用于检测图像的边缘轮廓。
最常用的是坎尼边缘检测器。
Canny（src,dest,low,high);
检测前通常做模糊处理。
两个阈值:双阈值筛选
设置一个双阈值，即低阈值（low），高阈值（high）。
灰度变化大于high的，设置为强边缘像素，低于low的，剔除。
//坎尼边缘检测器
Mat imgCanny;
//检测前通常做模糊处理
//两个阈值:双阈值筛选
//设置一个双阈值，即低阈值（low），高阈值（high）。
//灰度变化大于high的，设置为强边缘像素，低于low的，剔除。
Canny(imgBlur, imgCanny, 50, 150);
imshow("ImageCanny", imgCanny);
运行截图：
阈值为25，75：
到此这篇关于OpenCV实现灰度、高斯模糊、边缘检测的示例的文章就介绍到这了,更多相关OpenCV 灰度、高斯模糊、边缘检测内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！
相关推荐
-
Python使用Opencv实现边缘检测以及轮廓检测的实现
边缘检测 Canny边缘检测器是一种被广泛使用的算法,并被认为是边缘检测最优的算法,该方法使用了比高斯差分算法更复杂的技巧,如多向灰度梯度和滞后阈值化. Canny边缘检测器算法基本步骤: 平滑图像:通过使用合适的模糊半径执行高斯模糊来减少图像内的噪声. 计算图像的梯度:这里计算图像的梯度,并将梯度分类为垂直.水平和斜对角.这一步的输出用于在下一步中计算真正的边缘. 非最大值抑制:利用上一步计算出来的梯度方向,检测某一像素在梯度的正方向和负方向上是否是局部最大值,如果是,则抑制该像素(像素不属于
-
使用OpenCV-python3实现滑动条更新图像的Canny边缘检测功能
import cv2 from matplotlib import pyplot as plt import numpy as np img= cv2.imread('39.jpg')#加载图片 cv2.namedWindow('Canny edge detect')#设置窗口,cv2.WINDOW_NORMAL表示窗口大小可自动调节 cv2.namedWindow('Original Image',cv2.WINDOW_NORMAL) cv2.namedWindow('Canny edgeIm
-
使用Python中OpenCV和深度学习进行全面嵌套边缘检测
这篇博客将介绍如何使用OpenCV和深度学习应用全面嵌套的边缘检测.并将对图像和视频流应用全面嵌套边缘检测,然后将结果与OpenCV的标准Canny边缘检测器进行比较. 1. 效果图 愤怒的小鸟--原始图 VS Canny边缘检测图 VS HED边缘检测图 花朵--原始图 VS Canny边缘检测图 VS HED边缘检测图 视频效果图GIF 如下 2. 全面嵌套边缘检测与Canny边缘检测 2.1 Hed与Canny边缘检测对比 Holistically-Nested Edge Detectio
-
OpenCV实现图像边缘检测
最近自己在做一个有关图像处理的小项目,涉及到图像的边缘检测.直线检测.轮廓检测以及角点检测等,本文首先介绍图像的边缘检测,使用的是Canny边缘检测算法,具体代码以及检测效果如下: 1.代码部分: // Image_Canny.cpp : 定义控制台应用程序的入口点. // #include "stdafx.h" #include <cv.h> #include "highgui.h" using namespace cv; int _tmain(int
-
python opencv实现图像边缘检测
本文利用python opencv进行图像的边缘检测,一般要经过如下几个步骤: 1.去噪 如cv2.GaussianBlur()等函数: 2.计算图像梯度 图像梯度表达的是各个像素点之间,像素值大小的变化幅度大小,变化较大,则可以认为是出于边缘位置,最多可简化为如下形式: 3.非极大值抑制 在获得梯度的方向和大小之后,应该对整幅图像做一个扫描,去除那些非边界上的点.对每一个像素进行检查,看这个点的梯度是不是周围具有相同梯度方向的点中最大的.如下图所示: 4.滞后阈值 现在要确定那些边界才是真正的
-
OpenCV 边缘检测
边缘在人类视觉和计算机视觉中均起着重要的作用. 人类能够仅凭一张背景剪影或一个草图就识别出物体类型和姿态. 其中OpenCV提供了许多边缘检测滤波函数,这些滤波函数都会将非边缘区域转为黑色,将边缘区域转为白色或其他饱和的颜色. 不过这些滤波函数都很容易将噪声错误地识别为边缘,所以需要进行模糊处理. 本次的模糊操作使用高斯模糊(低通滤波器),最常用的模糊滤波器(平滑滤波器)之一,是一个削弱高频信号强度的低通滤波器. 低通滤波器,在像素与周围像素的亮度差值小于一个特定值时,平滑该像素的亮度,主要用于
-
OpenCV实现灰度、高斯模糊、边缘检测的示例
一.彩色图像转灰度 Opencv提供了一个方法,可以使彩色图像变为灰度图像. 函数名:cvtColor(src,dest,way); src表示初始的mat对象: dest表示转换后的mat对象: way表示以何种方式转换. 举个例子: int main() { //定义路径 string path = "Resources//test.png"; //Mat:opencv引入的矩阵数据类型,处理所有图像 Mat img = imread(path); //创建一个新的mat对象,用来
-
OpenCV实现Sobel边缘检测的示例
目录 一.Sobel算法 1.算法概述 2.主要函数 二.C++代码 三.python代码 四.结果展示 五.相关链接 一.Sobel算法 1.算法概述 Sobel边缘检测算法比较简单,实际应用中效率比canny边缘检测效率要高,但是边缘不如Canny检测的准确,然而在很多实际应用的场合,sobel边缘却是首选,Sobel算子是高斯平滑与微分操作的结合体,所以其抗噪声能力很强,用途较多.尤其是在对效率要求较高,而对细纹理不太关系的时候. 使用Sobel算子提取图像边缘分3个步骤: 提取X方向的边
-
C++ OpenCV实现灰度图蒙版GrayMask的示例代码
目录 需求说明 具体流程 功能函数 C++测试代码 测试效果 需求说明 在对图像进行处理时,经常会有这类需求:想对感兴趣区域进行掩膜处理,只操作掩膜内数据,此时需要搭配掩膜绘制功能,并在绘制过程中希望能区分掩膜区和非掩膜区:除了掩膜本身的线条以外,还希望掩膜内图像是原色,掩膜外图像的颜色进行一定调整:通常可以采用图像透明化或者色彩单通道加深的方式实现. 比如对三通道的图像,可以将掩膜外数据的红通道数值提高,此时该部分图像就会偏红色,如下图1所示. 图1 颜色加深的蒙版效果 但是针对灰度图,因为图
-
OpenCV+Qt实现图像处理操作工具的示例代码
目录 一.目标 二.使用Qt界面 三.图像处理操作完整代码 一.目标 Qt界面实现 雪花屏 高斯模糊 中值滤波 毛玻璃 灰度化 XY方向模糊 双边模糊 腐蚀 [图像处理操作] 要求左边原图,右边效果图 结果展示如下:[图像处理实现有点多,就不一个一个地展示了,各别展示如下] 雪花屏 毛玻璃 灰度化处理 二.使用Qt界面 使用到Qt中的UI设计界面 设计好界面之后最好先保存 对每一个按钮设计槽函数 三.图像处理操作完整代码 难点在于:Qt是QImage而OpenCV是Mat,需要Mat转QImag
-
Python OpenCV读取显示视频的方法示例
目标 学习读取视频,显示视频和保存视频. 学习从相机捕捉并显示它. 你将学习以下功能:cv.VideoCapture(),cv.VideoWriter() 从相机中读取视频 通常情况下,我们必须用摄像机捕捉实时画面.提供了一个非常简单的界面.让我们从摄像头捕捉一段视频(我使用的是我笔记本电脑内置的网络摄像头) ,将其转换成灰度视频并显示出来.只是一个简单的任务开始. 要捕获视频,你需要创建一个 VideoCapture 对象.它的参数可以是设备索引或视频文件的名称.设备索引就是指定哪个摄像头的数
-
OpenCV 表盘指针自动读数的示例代码
前段时间参加了一个表盘指针读数的比赛,今天来总结一下 数据集一共有一千张图片: 方法一:径向灰度求和 基本原理: 将图像以表盘圆心转换成极坐标,然后通过矩阵按行求和找到二值图最大值即为指针尖端 导入需要用到的包 import cv2 as cv import numpy as np import math from matplotlib import pyplot as plt import os 图像预处理 去除背景:利用提取红色实现 def extract_red(image): "&quo
-
python使用OpenCV模块实现图像的融合示例代码
可以通过OpenCV函数cv.add()或简单地通过numpy操作添加两个图像,res = img1 + img2.两个图像应该具有相同的深度和类型,或者第二个图像可以是标量值. 三种融合 注意融合时,一般来说两个图像的尺寸是一样大小的,如果大小不一样,需要把大的图像的某一部分先截出来,与小的图先融合,再作为整体替换掉原来大图中抠出的小图部分. """ # @Time : 2020/4/3 # @Author : JMChen """ impor
-
OpenCV在Android上的应用示例
一. OpenCV 介绍 OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux.Windows.Android和Mac OS操作系统上.它轻量级而且高效--由一系列 C 函数和少量 C++ 类构成,同时提供了Python.Ruby.MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法. 在移动端上使用 OpenCV 可以完成一系列图像处理的工作. 二. OpenCV 在 Android 上的配置 我在项目中使用的 OpenCV 版本是 4.x.
-
用opencv给图片换背景色的示例代码
图像平滑 模糊/平滑图片来消除图片噪声 OpenCV函数:cv2.blur(), cv2.GaussianBlur(), cv2.medianBlur(), cv2.bilateralFilter() 2D 卷积 OpenCV中用cv2.filter2D()实现卷积操作,比如我们的核是下面这样(3×3区域像素的和除以10): img = cv2.imread('lena.jpg') # 定义卷积核 kernel = np.ones((3, 3), np.float32) / 10 # 卷积操作,
-
Python 利用OpenCV给照片换底色的示例代码
OpenCV的全称是:Open Source Computer Vision Library.OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux.Windows和Mac OS操作系统上.它轻量级而且高效--由一系列 C 函数和少量 C++ 类构成,同时提供了Python.Ruby.MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法.相比于PIL库来说OpenCV更加强大, 可以做更多更复杂的应用,比如人脸识别等. 1. 读入并显示图片 im