| 1234567891011121314151617181920212223 |
- import cv2
- import numpy as np
- import matplotlib.pyplot as plt
- # 读取图像:大矩阵
- img = cv2.imread("gpu.bmp")
- img = cv2.cvtColor(img,cv2.COLOR_RGB2BGR)
- # 准备一个小矩阵==Kernel(核) (算子:Sobel算子，Laplace算于)
- # 进行卷积运算()
- img_sobel = cv2.Sobel(
- img, # 被运算的图像
- -1, # -1表示输出图像的维数与输入的图像的维度保持一致
- 2, # 1表示x方向1阶偏微分
- 0, # 0表示y方向1阶偏微分
- ksize=7, # 奇数
- scale=2.0, # 输出的矩阵做数乘运算 1.0*矩阵
- delta=200.0 # 加上一个相值：1.0*输出矩阵+100.0
- )
- # 显示运算以后的图像 (什么是卷积特征，通过这个特征，能识别对象，把特征的提取变成自动学习)
- plt.imshow(img_sobel)
- # 特征的数学表示(小矩阵==算子)
- # 学习的目标找到一个小矩阵（算子），是的抽取图像特征有助于目标分类，识别，分割，跟踪
|
