參考的一些文章以及論文我都會給大家分享出來 —— 鏈接就貼在原文，論文我上傳到資源中去，大家可以免費下載學習，如果當天資源區找不到論文，那就等等，可能正在審核，審核完后就可以下載了，大家一起學習，一起進步！加油！！
目錄
前言
（1）影像銳化
（2）影像邊緣檢測
a. 影像邊緣
b. 邊緣檢測
1. 一階微分算算子、二階微分算子
2. 讀取影像資訊
3. Sobel 算子
4. Laplacian 算子
5. Scharr 算子
6. Canny 算子
7. 總結
8. 參考論文
? ???
前言
（1）影像銳化
前一篇文章中我們進行了對影像的噪聲的濾除操作，使用的手段是進行影像平滑，我們提到影像平滑是將影像中的高頻部分進行濾除，然而影像中的高頻部分則是主要決定了影像的一些細節部分，因此濾除高頻部分就代表著影像會變得模糊，這對與影像的處理來說不太友好，所以我們要適當對平滑后的影像進行銳化操作，使得影像的一些邊緣部分變得更加清晰，便于我們觀察影像的資訊，
（2）影像邊緣檢測
a. 影像邊緣
影像的大部分資訊都存在于影像的邊緣中 ，主要表現為影像區域特征的不連續性，即影像中灰度變化比較劇烈的地方，因此 ，我們把影像的邊緣定義為影像中灰度發生急劇變化的區域邊界，根據灰度變化的劇烈程度, 通常將邊緣劃分為階躍狀和屋頂狀兩種型別，階躍邊緣兩邊的灰度值變化明顯，而屋頂邊緣位于灰度值增加與減少的交界處，
b. 邊緣檢測
邊緣檢測的目的是去發現影像中關于形狀和反射或透射比的資訊, 是影像處理、影像分析、模式識別、計算機視覺以及人類視覺的基本步驟之一， 其結果的正確性和可靠性將直接影響到機器視覺系統對客觀世界的理解，
本篇文章主要進行 Python 實際操作，不進行一些概念的解釋和數學推導，以后有時間專門出一篇特別篇進行概念解釋，
1. 一階微分算算子、二階微分算子
前面我們提到，影像邊緣分為階躍狀和屋頂狀兩種型別，其中階躍邊緣兩邊的灰度值變化明顯，而屋頂邊緣位于灰度值增加與減少的交界處，
那么, 對階躍邊緣和屋頂邊緣分別求取一階、二階導數就可以表示邊緣點的變化，即對于一個階躍邊緣點，其灰度變化曲線的一階導數在該點達到極大值, 二階導數在該點與零交叉（一階導數與二階導數的意義）；對于一個屋頂邊緣點，其灰度變化曲線的一階導數在該點與零交叉（因為該點為一個區域最大值點）；二階導數在該點達到極大值，
2. 讀取影像資訊
在我們這個計算機視覺的專欄文章里第一步永遠是經典的讀取影像資訊，而且是美女影像資訊：
"""
Author:XiaoMa
date:2021/10/29
"""
import cv2
import matplotlib.pyplot as plt
#讀取影像資訊
img0 = cv2.imread("E:\From Zhihu\For the desk\cvten2.jpg")
img1 = cv2.resize(img0, dsize = None, fx = 0.5, fy = 0.5)
img2 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
cv2.imwrite("E:\From Zhihu\For the desk\cvtenGray.jpg", img2) #保存灰度圖
h, w = img1.shape[:2]
print(h, w)
cv2.namedWindow("W0")
cv2.imshow("W0", img1)
cv2.waitKey(delay = 0)得到影像資訊如下：
395 702
我們接下來要做的就是對影像進行邊緣檢測
3. Sobel 算子
#Sobel 算子
img3 = cv2.Sobel (img2, cv2.CV_64F, 0, 1, ksize=5)
cv2.namedWindow("W3")
cv2.imshow("W3", img3)
cv2.waitKey(delay = 0)
4. Laplacian 算子
#Laplacian 算子
img7 = cv2.Laplacian(img2, cv2.CV_64F)
cv2.namedWindow("W7")
cv2.imshow("W7", img7)
cv2.waitKey(delay = 0)
5. Scharr 算子
#Scharr 算子
img9 = cv2.Scharr(img2, cv2.CV_64F, 0, 1)
cv2.namedWindow("W9")
cv2.imshow("W9", img9)
cv2.waitKey(delay = 0)
6. Canny 算子
#canny 算子
img4 = cv2.Canny(img2, 100, 200)
cv2.namedWindow("W4")
cv2.imshow("W4", img4)
cv2.waitKey(delay = 0)
7. 總結
這天時間比較緊，這篇博文在介紹影像的銳化以及邊緣檢測時沒有涉及到過多的理論知識以及概念公式等，后面閑下來會加以補充或者專門寫一篇總結理論知識的文章，希望能幫到大家，參考論文按照慣例貼在下面，
8. 參考論文
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/344106.html
標籤：AI