Kantenextraktion mit Python + OpenCV (Sobel-Filter, Laplace-Filter)

So finden Sie einen Differentialfilter, Grundlagen http://qiita.com/shim0mura/items/5d3cbef873f2dd81d82c

OpenCV kann Sobel- und Laplace-Filter anwenden.

Sobel Filter

cv2.Sobel(src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]]) → dst http://docs.opencv.org/3.0-last-rst/modules/imgproc/doc/filtering.html?highlight=laplacian#sobel

--src: Eingabebild --dst: Ausgabebild --ddepth: Ausgabefarbtiefe --dx: Reihenfolge der Differenzierung in x-Richtung --dy: Reihenfolge der Differenzierung in y-Richtung --ksize: Geben Sie die Kernelgröße 1, 3, 5, 7 an

Es heißt, wenn die Kernelgröße 1 ist, wird ein 1x3-Kernel oder ein 3x1-Kernel verwendet, aber wenn k = 5,7, scheint es so. http://stackoverflow.com/questions/9567882/sobel-filter-kernel-of-large-size

import cv2
from matplotlib import pyplot as plt

img = cv2.imread('Lenna.jpg', 0)

sobelx = cv2.Sobel(img, cv2.CV_32F, 1, 0, ksize=3)
sobely = cv2.Sobel(img, cv2.CV_32F, 0, 1, ksize=3)
sobelx5 = cv2.Sobel(img, cv2.CV_32F, 1, 0, ksize=5)
sobely5 = cv2.Sobel(img, cv2.CV_32F, 0, 1, ksize=5)

plt.subplot(2,2,1),plt.imshow(sobelx,cmap = 'gray')
plt.title('Sobel X k=3'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,2),plt.imshow(sobely,cmap = 'gray')
plt.title('Sobel Y k=3'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,3),plt.imshow(sobelx5,cmap = 'gray')
plt.title('Sobel X k=5'), plt.xticks([]), plt.yticks([])
plt.subplot(2,2,4),plt.imshow(sobely5,cmap = 'gray')
plt.title('Sobel Y k=5'), plt.xticks([]), plt.yticks([])
plt.show()

Ergebnis:

Die Linie ist dunkler und die Unschärfe ist bei k = 5 stärker als bei k = 3.

Laplace-Filter

cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]]) → dst http://docs.opencv.org/3.0-last-rst/modules/imgproc/doc/filtering.html?highlight=laplacian#laplacian

--src: Eingabebild --dst: Ausgabebild --ddepth: Ausgabefarbtiefe --ksize: Kernelgröße

Da es sich um einen Laplace-Wert handelt, muss die Richtung im Gegensatz zu der mit dem Differential erster Ordnung nicht angegeben werden.

import cv2
from matplotlib import pyplot as plt

lap = cv2.Laplacian(img, cv2.CV_32F)
lap5 = cv2.Laplacian(img, cv2.CV_32F,ksize=3)

plt.subplot(1,2,1),plt.imshow(lap,cmap = 'gray')
plt.title('Laplacian'), plt.xticks([]), plt.yticks([])
plt.subplot(1,2,2),plt.imshow(lap5,cmap = 'gray')
plt.title('Laplacian k=3'), plt.xticks([]), plt.yticks([])

plt.show()

Ergebnis:

Referenz:

Digitale Bildverarbeitung (https://www.cgarts.or.jp/book/img_engineer/) http://labs.eecs.tottori-u.ac.jp/sd/Member/oyamada/OpenCV/html/py_tutorials/py_imgproc/py_gradients/py_gradients.html#gradients http://qiita.com/supersaiakujin/items/494cc16836738b5394c8