Python中的图像处理（第十一章）Python图像锐化及边缘检测（2）

前言

随着人工智能研究的不断兴起，Python的应用也在不断上升，由于Python语言的简洁性、易读性以及可扩展性，特别是在开源工具和深度学习方向中各种神经网络的应用，使得Python已经成为最受欢迎的程序设计语言之一。由于完全开源，加上简单易学、易读、易维护、以及其可移植性、解释性、可扩展性、可扩充性、可嵌入性：丰富的库等等，自己在学习与工作中也时常接触到Python，这个系列文章的话主要就是介绍一些在Python中常用一些例程进行仿真演示！

本系列文章主要参考杨秀章老师分享的代码资源，杨老师博客主页是Eastmount，杨老师兴趣广泛，不愧是令人膜拜的大佬，他过成了我理想中的样子，希望以后有机会可以向他请教学习交流。

因为自己是做图像语音出身的，所以结合《Python中的图像处理》，学习一下Python相关，OpenCV已经在Python上进行了多个版本的维护，所以相比VS，Python的环境配置相对简单，缺什么库直接安装即可。本系列文章例程都是基于Python3.8的环境下进行，所以大家在进行借鉴的时候建议最好在3.8.0版本以上进行仿真。本文继续来对本书第十一章的后4个例程进行介绍。

一. Python准备

如何确定自己安装好了python

win+R输入cmd进入命令行程序

点击“确定”

输入：python，回车

看到Python相关的版本信息，说明Python安装成功。

二. Python仿真

（1）新建一个chapter11_06.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

#encoding:utf-8#By:Eastmount CSDN -07-19import cv2 import numpy as np import matplotlib.pyplot as plt#读取图像img = cv2.imread('lena.png')lenna_img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)#灰度化处理图像grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)# Scharr算子x = cv2.Scharr(grayImage, cv2.CV_32F, 1, 0) #X方向y = cv2.Scharr(grayImage, cv2.CV_32F, 0, 1) #Y方向absX = cv2.convertScaleAbs(x) absY = cv2.convertScaleAbs(y)Scharr = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)#用来正常显示中文标签plt.rcParams['font.sans-serif']=['SimHei']#显示图形titles = [u'原始图像', u'Scharr算子'] images = [lenna_img, Scharr] for i in range(2): plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()

保存.py文件

输入eixt()退出python，输入命令行进入工程文件目录

输入以下命令，跑起工程

python chapter11_06.py

没有报错，直接弹出图片，运行成功！

（2）新建一个chapter11_07.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

#encoding:utf-8#By:Eastmount CSDN -07-19import cv2 import numpy as np import matplotlib.pyplot as plt#读取图像img = cv2.imread('lena.png')lenna_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)#灰度化处理图像grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#高斯滤波降噪gaussian = cv2.GaussianBlur(grayImage, (3,3), 0)#Canny算子Canny = cv2.Canny(gaussian, 50, 150) #用来正常显示中文标签plt.rcParams['font.sans-serif']=['SimHei']#显示图形titles = [u'原始图像', u'Canny算子'] images = [lenna_img, Canny] for i in range(2): plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()

保存.py文件输入以下命令，跑起工程

python chapter11_07.py

没有报错，直接弹出图片，运行成功！

（3）新建一个chapter11_08.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

#encoding:utf-8#By:Eastmount CSDN -07-19import cv2 import numpy as np import matplotlib.pyplot as plt#读取图像img = cv2.imread('lena.png')lenna_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)#灰度化处理图像grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#先通过高斯滤波降噪gaussian = cv2.GaussianBlur(grayImage, (3,3), 0)#再通过拉普拉斯算子做边缘检测dst = cv2.Laplacian(gaussian, cv2.CV_16S, ksize = 3)LOG = cv2.convertScaleAbs(dst)#用来正常显示中文标签plt.rcParams['font.sans-serif']=['SimHei']#显示图形titles = [u'原始图像', u'LOG算子'] images = [lenna_img, LOG] for i in range(2): plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()

保存.py文件输入以下命令，跑起工程

python chapter11_08.py

没有报错，直接弹出图片，运行成功！

（4）新建一个chapter11_09.py文件，输入以下代码，图片也放在与.py文件同级文件夹下

#encoding:utf-8#By:Eastmount CSDN -07-19import cv2 import numpy as np import matplotlib.pyplot as plt#读取图像img = cv2.imread('lena.png')lenna_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)#灰度化处理图像grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#高斯滤波gaussianBlur = cv2.GaussianBlur(grayImage, (3,3), 0)#阈值处理ret, binary = cv2.threshold(gaussianBlur, 127, 255, cv2.THRESH_BINARY)#Roberts算子kernelx = np.array([[-1,0],[0,1]], dtype=int)kernely = np.array([[0,-1],[1,0]], dtype=int)x = cv2.filter2D(binary, cv2.CV_16S, kernelx)y = cv2.filter2D(binary, cv2.CV_16S, kernely)absX = cv2.convertScaleAbs(x)absY = cv2.convertScaleAbs(y) Roberts = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)#Prewitt算子kernelx = np.array([[1,1,1],[0,0,0],[-1,-1,-1]], dtype=int)kernely = np.array([[-1,0,1],[-1,0,1],[-1,0,1]], dtype=int)x = cv2.filter2D(binary, cv2.CV_16S, kernelx)y = cv2.filter2D(binary, cv2.CV_16S, kernely)absX = cv2.convertScaleAbs(x) absY = cv2.convertScaleAbs(y) Prewitt = cv2.addWeighted(absX,0.5,absY,0.5,0)#Sobel算子x = cv2.Sobel(binary, cv2.CV_16S, 1, 0)y = cv2.Sobel(binary, cv2.CV_16S, 0, 1) absX = cv2.convertScaleAbs(x) absY = cv2.convertScaleAbs(y) Sobel = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)#拉普拉斯算法dst = cv2.Laplacian(binary, cv2.CV_16S, ksize = 3)Laplacian = cv2.convertScaleAbs(dst)# Scharr算子x = cv2.Scharr(gaussianBlur, cv2.CV_32F, 1, 0) #X方向y = cv2.Scharr(gaussianBlur, cv2.CV_32F, 0, 1) #Y方向absX = cv2.convertScaleAbs(x) absY = cv2.convertScaleAbs(y)Scharr = cv2.addWeighted(absX, 0.5, absY, 0.5, 0)#Canny算子Canny = cv2.Canny(gaussianBlur, 50, 150)#先通过高斯滤波降噪gaussian = cv2.GaussianBlur(grayImage, (3,3), 0)#再通过拉普拉斯算子做边缘检测dst = cv2.Laplacian(gaussian, cv2.CV_16S, ksize = 3)LOG = cv2.convertScaleAbs(dst)#效果图titles = ['Source Image', 'Binary Image', 'Roberts Image','Prewitt Image','Sobel Image', 'Laplacian Image','Scharr Image', 'Canny Image', 'LOG Image'] images = [lenna_img, binary, Roberts,Prewitt, Sobel, Laplacian,Scharr, Canny, LOG] for i in np.arange(9): plt.subplot(3,3,i+1),plt.imshow(images[i],'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show()

保存.py文件输入以下命令，跑起工程

python chapter11_09.py

没有报错，直接弹出图片，运行成功！

三. 小结

本文主要介绍在Python中调用OpenCV库对图像进行边缘检测，如Scharr算子，Canny算子，拉普拉斯算子，Roberts算子，Prewitt算子，Sobel算子等。由于本书的介绍比较系统全面，所以会出一个系列文章进行全系列仿真实现，感兴趣的还是建议去原书第十一章深入学习理解，下一篇文章将继续介绍第十二章节的5例仿真实例。每天学一个Python小知识，大家一起来学习进步阿！

本系列示例主要参考杨老师GitHub源码，安利一下地址：ImageProcessing-Python（喜欢记得给个star哈！）

如果觉得《Python中的图像处理（第十一章）Python图像锐化及边缘检测（2）》对你有帮助，请点赞、收藏，并留下你的观点哦！