怎样设置自己的网站免费培训seo

一、图像梯度

        把图片想象成连续函数，因为边缘部 分的像素值是与旁边像素明显有区别的，所以对图片局部求极值，就可以得到整幅图片的边缘信息了。 不过图片是二维的离散函数，导数就变成了差分，这个差分就称为图像的梯度。

二、filter2D算子

ddepth：表示目标图像的所需深度。

kernel：卷积核（或相当于相关核），单通道浮点矩阵。

edge_ex_method：边缘检测的方向，upright：垂直，level：水平。 

三、Sobel算子

四、Laplacian算子

五、梯度处理

5.1、filter2D

导入模块

import cv2
import numpy as np

 输入图像

img=cv2.imread('shudu3.png')

 梯度处理 

kernel=np.array([[-1,0,1],[-2,0,2],[-1,0,1]]
)
img_filter2D=cv2.filter2D(img,-1,kernel=kernel)

 输出图像

cv2.imshow('img',img)
cv2.imshow('img_filter2D',img_filter2D)
cv2.waitKey(0)

完整代码 

import cv2
import numpy as npimg=cv2.imread('shudu3.png')kernel=np.array([[-1,0,1],[-2,0,2],[-1,0,1]]
)
img_filter2D=cv2.filter2D(img,-1,kernel=kernel)cv2.imshow('img',img)
cv2.imshow('img_filter2D',img_filter2D)
cv2.waitKey(0)

5.2、Sobel

导入模块

import cv2
import numpy as np

 输入图像

img=cv2.imread('shudu3.png')

 梯度处理 

img_Sobel=cv2.Sobel(img,-1,dx=1,dy=0)

输出图像 

cv2.imshow('img',img)
cv2.imshow('img_Sobel',img_Sobel)
cv2.waitKey(0)

完整代码 

import cv2img=cv2.imread('shudu3.png')img_Sobel=cv2.Sobel(img,-1,dx=1,dy=0)cv2.imshow('img',img)
cv2.imshow('img_Sobel',img_Sobel)
cv2.waitKey(0)

5.3、Laplacian

导入模块

import cv2
import numpy as np

 输入图像

img=cv2.imread('shudu3.png')

 梯度处理 

img_Laplacian=cv2.Laplacian(img,-1)

输出图像 

cv2.imshow('img',img)
cv2.imshow('img_Laplacian',img_Laplacian)
cv2.waitKey(0)

完整代码 

import cv2img=cv2.imread('shudu3.png')img_Laplacian=cv2.Laplacian(img,-1)cv2.imshow('img',img)
cv2.imshow('img_Laplacian',img_Laplacian)
cv2.waitKey(0)

六、库函数

6.1、filter2D

cv.filter2D（	src， ddepth， kernel[， dst[， anchor[， delta[， borderType]]]]	) ->	DST

方法	描述
src	输入图像
dst	输出图像
ddepth	目标图像的所需深度，请参阅组合
kernel	卷积核（或者更确切地说是相关核），单通道浮点矩阵;如果要将不同的内核应用于不同的通道，请使用 Split 将图像拆分为单独的颜色平面，然后单独处理它们。
anchor	anchor 的 anchor 表示 filtered 点在 kernel 中的相对位置;锚应位于内核内;默认值 （-1，-1） 表示定位点位于内核中心。
delta	在将过滤的像素存储到 DST 之前添加到过滤像素的可选值。
borderType	素外插方法，请参阅 BorderTypes。不支持BORDER_WRAP。

6.2、Sobel

cv.Sobel(	src, ddepth, dx, dy[, dst[, ksize[, scale[, delta[, borderType]]]]]	) ->	dst

方法	描述
src	输入图像
dst	输出图像
ddepth	目标图像的所需深度，请参阅组合
dx	导数 X 的阶数
dy	导数 y 的阶数
ksize	扩展 Sobel 核的大小;它必须是 1、3、5 或 7。
scale	计算的导数值的可选比例因子;默认情况下，不应用缩放（有关详细信息，请参阅 getDerivKernels）。
delta	在将过滤的像素存储到 DST 之前添加到过滤像素的可选值。
borderType	素外插方法，请参阅 BorderTypes。不支持BORDER_WRAP。

6.3、Laplacian

cv.Laplacian(	src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]]	) ->	dst

方法	描述
src	输入图像
dst	与 src 具有相同大小和相同通道数的目标图像。
ddepth	目标图像的所需深度，请参阅组合。
ksize	用于计算二阶导数滤波器的孔径大小。有关详细信息，请参阅 getDerivKernels。大小必须为正数和奇数。
scale	计算的拉普拉斯值的可选比例因子。默认情况下，不应用缩放。有关详细信息，请参阅 getDerivKernels。
delta	在将结果存储在 dst 中之前添加到结果中的可选 delta 值。
borderType	像素外插方法，请参阅 BorderTypes。不支持BORDER_WRAP。