【OpenCV】计算机视觉图像处理基础知识_opencv图像处理知识点

目录

前言

推荐

1、OpenCV礼帽操作和黑帽操作

2、Sobel算子理论基础及实际操作

3、Scharr算子简介及相关操作

4、Sobel算子和Scharr算子的比较

5、laplacian算子简介及相关操作

6、Canny边缘检测的原理

6.1 去噪

6.2 梯度运算

6.3 非极大值抑制

6.4 滞后阈值

7、Canny边缘检测的函数及使用

---

前言

本文将非常细致的讲解相关与计算机视觉OpenCV图像处理的相关知识即操作，非常的简单易懂。

推荐

前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家。点击跳转到网站

1、OpenCV礼帽操作和黑帽操作

图像顶帽操作也叫图像礼帽操作，实际上就是：
结果图像=原图像-图像开运算
那么我们知道图像的开运算就是对图像先腐蚀操作，然后在进行膨胀操作，得到的图像其实就是进行了取噪的一个处理，然后我们所说的礼帽图像操作就是使用原图像-图像的开运算操作。
函数依旧是：

result = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

其中img表示原始图像，cv2.MORPH_TOPHAT表示进行礼帽操作，然后kernel表示卷积核，这里我们之前已经讲过。
核心函数是：

k=np.ones((5,5),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_TOPHAT,k)

这样我们显示以下我们处理的图像就可以知道：

处理之后我们得到了相应的噪声结果。

图像黑帽操作就是图像的闭运算-原图像
黑帽结果图像=图像闭运算-原图像
我们之前也介绍过这个闭运算操作就是先对图像进行膨胀操作，然后进行腐蚀操作。
函数是：

result = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

其中cv2.MORPH_BLACKHAT表示的就是黑帽操作的意思，kernel表示卷积核。
然后我们看一下图像处理的核心函数：

k=np.ones((5,5),np.uint8)
r=cv2.morphologyEx(o,cv2.MORPH_BLACKHAT,k)

得到的结果是：

可以看到我们把图像中的小气泡都取出来了。

2、Sobel算子理论基础及实际操作

首先我们来了解一个边界的定义，看一个图来理解更加的明白。

对于如图中的水平梯度，我们看A、B两个地方，右侧像素值减去左侧像素值不为0，那么我们就说在此图中A列和B列是边界，否则不是边界。同样对于垂直梯度我们也是这样定义。
对于Sobel算子，我们先来看x方向他进行了什么操作：

P5x=(p3-p1)+2*(p6-p4)+(p9-p7)
右侧像素值减去左侧像素值，中间行参数稍大为2。
同样对于y轴方向也做了一个同样的操作，
P5y=(p7-p1)+2*(p8-p2)+(p9-p3)
下一行像素值减去上一行像素值，中间列参数稍大为2
然后我们计算了一个近似梯度值：
G= 根号（