''' 边缘识别:物体的边缘检测是物体识别常用的手段。边缘检测常用亮度梯度方法。 通过识别亮度梯度变化最大的像素点从而检测出物体的边缘。 常用边缘检测算法相关API: # 索贝尔边缘识别 # cv.CV_64F:卷积运算使用数据类型为64位浮点型(保证微分的精度) # 1:在水平方向使用索贝尔偏微分识别边缘 # 0:不再垂直方向使用索贝尔偏微分识别边缘 # ksize:卷积核为5*5的方阵 cv.Sobel(original, cv.CV_64F, 1, 0, ksize=5) # 拉普拉斯边缘识别 cv.Laplacian(original, cv.CV_64F) # Canny边缘识别 # 50:水平方向阈值 240:垂直方向阈值 cv.Canny(original, 50, 240) ''' import cv2 as cv original = cv.imread("./ml_data/chair.jpg", cv.IMREAD_GRAYSCALE) print(original.shape) cv.imshow('Original', original) # 索贝尔边缘识别---水平方向 hsobel = cv.Sobel(original, cv.CV_64F, 1, 0, ksize=5) cv.imshow('H-Sobel', hsobel) # 索贝尔边缘识别---垂直方向 vsobel = cv.Sobel(original, cv.CV_64F, 0, 1, ksize=5) cv.imshow('V-Sobel', vsobel) # 索贝尔边缘识别---两方向 sobel = cv.Sobel(original, cv.CV_64F, 1, 1, ksize=5) cv.imshow('Sobel', sobel) # 拉普拉斯边缘识别 laplacian = cv.Laplacian(original, cv.CV_64F) cv.imshow('Laplacian', laplacian) # Canny边缘识别 canny = cv.Canny(original, 50, 240) cv.imshow('Canny', canny) cv.waitKey()
''' 亮度提升:OpenCV提供了直方图均衡化的方式实现亮度提升,更有利于边缘识别与物体识别模型的训练。 OpenCV直方图均衡化相关API: # 彩色图转为灰度图 gray = cv.cvtColor(original, cv.COLOR_BGR2GRAY) # 直方图均衡化 equalized_gray = cv.equalizeHist(gray) ''' import cv2 as cv original = cv.imread('./ml_data/sunrise.jpg') cv.imshow('Original', original) # 彩色图转为灰度图 gray = cv.cvtColor(original, cv.COLOR_BGR2GRAY) cv.imshow('Gray', gray) # 直方图均衡化 equalized_gray = cv.equalizeHist(gray) cv.imshow('Equalized_gray', equalized_gray) # 直接对颜色亮度均衡化 yuv = cv.cvtColor(original, cv.COLOR_BGR2YUV) yuv[..., 0] = cv.equalizeHist(yuv[..., 0]) equalized_color = cv.cvtColor(yuv, cv.COLOR_YUV2BGR) cv.imshow('Equalized Color', equalized_color) cv.waitKey()