图像边缘光滑python 图像边缘算法

图像矩阵：

　　　数字图像数据可以用矩阵来表示，因此可以采用矩阵理论和矩阵算法对数字图像进行分析和处理。由于数字图像可以表示为矩阵的形式，所以在计算机数字图像处理程序中，通常用二维数组来存放图像数据。

　　   算法描述：

　　　　　将当前像素与邻接的下部和又不的图像进行比较，如果相似，则将当前像素设为白色，否则设置为黑色。采用欧氏距离算法，将一个像素的3个色彩分量；映射在三维空间中，如果2个像素点的欧式距离小于某个常数的阀值，就认为他们相似。

　　　　　欧式距离计算：

　　　　　　

def getEuclideanDistance(x,y):
    myx = np.array(x)
    myy = np.array(y)
    return np.sqrt(np.sum( (myx - myy) * (myx - myy) ))

　　完整代码：

import cv2
import numpy as np

fn = '001.png'
def getEuclideanDistance(x,y):
    myx = np.array(x)
    myy = np.array(y)
    return np.sqrt(np.sum( (myx - myy) * (myx - myy) ))
if __name__ == '__main__':
    myimg1 = cv2.imread(fn)
    w = myimg1.shape[1]
    h = myimg1.shape[0]
    #创建空白图像
    myimg2 = np.zeros((h,w,3), np.uint8)
    #对比产生线条
    black = np.array([0,0,0])
    white = np.array([255,255,255])
    centercolor = np.array([125,125,125])
    for y in range(0,h-1):
        for x in range(0,w-1):

            mydown = myimg1[y+1,x,:]
            myright = myimg1[y,x+1,:]
            myhere = myimg1[y,x:]

            lmyhere = myhere
            lmyright = myright
            lmydown = mydown
            if getEuclideanDistance(lmyhere,lmydown)>5 and getEuclideanDistance(lmyhere,lmyright)>5:
                myimg2[y,x,:] = black
            elif getEuclideanDistance(lmyhere,lmydown)<=5 and getEuclideanDistance(lmyhere,lmyright)<=5:
                myimg2[y,x,:] = white
            else:
                myimg2[y,x,:] = centercolor
    # cv2.namedWindow('img2')
    cv2.imshow('img', myimg2)
    cv2.waitKey()
    cv2.destroyAllWindows()

　　值越小越分的清楚。

 

King@_@