欢迎来到阿里地区亚搏手机版科技有限公司!

新闻中心

院校新闻
您的位置:首页 > 新闻中心 > 行业新闻

使用Python+OpenCV进行图像处理(三)【亚搏手机版app官网】

发布时间:2021-10-07 阅读量:356 作者: 亚搏手机版

亚搏手机版:检测是计算机视觉任务中的主要任务之一,而且应用于很普遍。检测技术可以协助人类检测那些更容易被肉眼忽视的错误;也可以”协助“自动驾驶汽车感官空间信息。毫无疑问自动化的检测技术的广泛应用将为我们带给效率与安全性。本篇是这个系列的第三篇。

整个系列目录如下:解读颜色模型与在图像上绘制图形(图像处理基本操作)。基本的图像处理与滤波技术。

亚搏手机版

从特征检测到人脸检测。轮廓检测之前早已讲解了几种颜色模型以及如何在图像上绘制图形。还讲解了常用的图像处理技术,如:模糊不清、梯度、生锈、扩展等。

本篇将把这些技术应用于到图像特征检测和人脸检测中。本篇不会中用本系列前两篇中讲解的图像处理技术。边缘检测(EdgeDetection)边缘检测本质上是检测图像中变化轻微或者不倒数的像素点。将这些像素点连接线段即为边。

亚搏手机版app官网

实质上,在上一篇文章中我们早已讲解了一种基础的边缘检测技术:用于Sobel算子和拉普拉斯算子展开梯度滤波。通过计算出来图像像素值在等价方向上的导数,梯度滤波器即可以描绘出图像的边缘从而构建边缘检测。Canny检测算法是另外一种图像边缘检测技术。

而且是目前最风行的边缘检测技术之一,分成以下四个步骤构建:减震、辨别梯度及梯度方向、非最大值诱导和迟缓阈值化处置。首先通过高斯模糊不清技术构建减震。

亚搏手机版app官网

然后,用于sobel算子获得图像梯度。接着用于获得的梯度,检测每一个像素点与其中周围的像素点,证实这个像素点是不是这些局部像素点中的局部最大值。如果不是局部最大值,则将这个点的像素值置为零(几乎缺陷,黑色)。

这个过程即为非极大值诱导。如果这个点被证实为局部最大值,则展开下一步即第四个步骤。

第四步是要求之前检测出有的边否为确实边缘的最后一个决策阶段。这一决策阶段被称作迟缓阈值化,它必须两个阈值(“较小阈值”、“较小阈值”)来展开决策。等价两个有所不同的阈值,我们可以获得三个阈值化区间。因此,如果这个点的像素值小于两个阈值中的“较小阈值”则被判断为边缘点。

比较地,如果其大于所原作的两个阈值参数中的“较小阈值”则被确认为非边缘点,即不会被弃置。另外,如果这个点的像素值坐落于两个参数阈值之间则是跟据其否与”证实边缘点“之间有相连来要求否弃置,遵循有相连则不弃置的原则。

亚搏手机版

本文来源:亚搏手机版app官网-www.geoggers.net