opencv-python 测试对比Sobel、Laplacian、canny三种边缘检测

作者：RayChiu_Labloy
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

目录

原理和定义： 

常用边缘检测算法相关API：

# 索贝尔边缘识别  

# 拉普拉斯边缘识别  

# Canny边缘识别参数解释

实验：

原理和定义： 

        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。

        详细原理看我另一篇文章：                opencv-python 详解图像梯度、边缘检测_RayChiu757374816的博客-CSDN博客

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：水平方向索贝尔偏微分 
# 0：垂直方向索贝尔偏微分 
# 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边缘识别参数解释

# 50:水平方向阈值 240:垂直方向阈值 
# original 原始灰度图 
cv.Canny(original, 50, 240)

实验：

图片：

 测试代码：

import cv2 as cvoriginal = cv.imread( './chair.jpg', cv.IMREAD_GRAYSCALE)
original = cv.resize(original, None, fx=0.4, fy=0.4, interpolation=cv.INTER_LINEAR)
_, original = cv.threshold(original, 100, 255, cv.THRESH_BINARY+ cv.THRESH_OTSU)#+ cv2.THRESH_OTSUhsobel = cv.Sobel(original, cv.CV_64F, 1, 0, ksize=5)
cv.imshow('H-Sobel', hsobel)
vsobel = cv.Sobel(original, cv.CV_64F, 0, 1, ksize=5)
cv.imshow('V-Sobel', vsobel)
sobel = cv.Sobel(original, cv.CV_64F, 1, 1, ksize=5)
cv.imshow('Sobel', sobel)
laplacian = cv.Laplacian(original, cv.CV_64F)
cv.imshow('Laplacian', laplacian)
canny = cv.Canny(original, 50, 240)
cv.imshow('Canny', canny)
cv.waitKey(0)

 测试效果：

【如果对您有帮助，交个朋友给个一键三连吧，您的肯定是我博客高质量维护的动力！！！】