python opencv Sobel、Laplace、canny運算元的邊緣提取 以及參數解析

• 2020 年 3 月 15 日
• 筆記

前提：各種運算元不完全區分好壞，但根據我實際操作分析得到，有的運算元之間效果大相徑庭，但有的也很相似，也就是各有各的用法，這裡按

Sobel、Laplace、canny三種運算元作比較，看其結果：

一、  Sobel、Laplace、canny邊緣提取（）

1. Sobel運算元邊緣提取

注釋：gray 灰度轉換後的影像，前面省略了一部灰度轉換的步驟，後面程式碼會補上

1，表示x方向的差分階數，1或0------------------------------>如果只寫一個1，代表x方向提取---》1，0

1，表示y方向的差分階數，1或0------------------------------->如果只寫一個1，代表y方向提取---》0，1

sobel = cv2.Sobel(gray, cv2.CV_8U, 1, 1)#sobel運算元邊緣檢測    PointInvert_sobel=255-sobel#反色

　　  2.Laplace運算元邊緣提取

注釋：這裡要說的是通過對比sobel運算元的結果，發現Laplace比sobel效果更好，可以說是加強版，效果如下所示

laplace = cv2.Laplacian(gray, cv2.CV_8U, ksize=3)#laplace運算元邊緣檢測    PointInvert_laplace=255-laplace

　　  3.Canny運算元邊緣提取

注釋：上一節提到過：其效果多變，主要是看設置的閾值的範圍，

當我們改變閾值後，影像後漸漸過濾掉一些背景，當然，重在閾值的選取上，當閾值選大的時候，也是會將影像的特徵完全損壞的。

canny=cv2.Canny(gray, 50, 150)#canny邊緣檢測  PointInvert_canny=255-canny#canny影像反色  函數中閾值1和閾值2兩者的小者用於邊緣連接，而大者用來控制強邊緣的初始段，推薦的高低閾值比在2:1到3:1之間

二、四種影像的程式碼演示

三、源碼