【Python】エッジの検出｜OpenCVによる画像の特徴抽出（Canny・Sobel・ラプレシアンフィルタ）

import cv2

# 画像読込（グレースケール）
img = cv2.imread("image_data.jpg",0)

# Cannyのエッジ検出
canny_img  = cv2.Canny(img,   # 入力画像
                       10,    # 2段階の閾値処理で利用する低い閾値
                       180    # 2段階の閾値処理で利用する高い閾値
                      )

# 表示
cv2.imshow("img",img)               # オリジナル画像
cv2.imshow("canny_img",canny_img)   # Cannyのエッジ検出
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2

# 画像読込（グレースケール）
img = cv2.imread("image_data.jpg", 0)

# ソーベルフィルタ（x方向に微分）
sobel_x_img = cv2.Sobel(img,         # 入力画像
                        cv2.CV_32F,  # ビット深度
                        1,           # x方向に微分
                        0,           # y方向に微分
                        ksize=3      # カーネルサイズ(3 x 3)
                       ) 

# 微分した際のマイナス値を絶対値に変換
sobel_x_img = cv2.convertScaleAbs(sobel_x_img)

# 微分値
print('sobel_x_img')
print(sobel_x_img)

# 表示・比較
cv2.imshow("img",img)                   # オリジナル画像
cv2.imshow("sobel_x_img",sobel_x_img)   # エッジ検出（x方向微分）
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2

# 画像読込（グレースケール）
img = cv2.imread("image_data.jpg", 0)

# ソーベルフィルタ（x方向に微分）
sobel_y_img = cv2.Sobel(img,         # 入力画像
                        cv2.CV_32F,  # ビット深度
                        0,           # x方向に微分
                        1,           # y方向に微分
                        ksize=3      # カーネルサイズ(3 x 3)
                       ) 

# 微分した際のマイナス値を絶対値に変換
sobel_y_img = cv2.convertScaleAbs(sobel_y_img)

# 微分値
print('sobel_y_img')
print(sobel_y_img)

# 表示・比較
cv2.imshow("img",img)                   # オリジナル画像
cv2.imshow("sobel_y_img",sobel_y_img)   # エッジ検出（y方向微分）
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2

# 画像読込（グレースケール）
img = cv2.imread("image_data.jpg", 0)

# ソーベルフィルタ（x方向に微分）
sobel_multi_img = cv2.Sobel(img,         # 入力画像
                            cv2.CV_32F,  # ビット深度
                            1,           # x方向に微分
                            1,           # y方向に微分
                            ksize=3      # カーネルサイズ(3 x 3)
                        ) 

# 微分した際のマイナス値を絶対値に変換
sobel_multi_img = cv2.convertScaleAbs(sobel_multi_img)

# 微分値
print('sobel_multi_img')
print(sobel_multi_img)

# 表示・比較
cv2.imshow("img",img)                           # オリジナル画像
cv2.imshow("sobel_multi_img",sobel_multi_img)   # エッジ検出
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2

# 画像読込（グレースケール）
img = cv2.imread("image_data.jpg", 0)

# ラプラシアンフィルタ
laplacian_img = cv2.Laplacian(img,        # 入力画像
                              cv2.CV_32F  # ビット深度
                             )

# フィルタのマイナス値を絶対値変換
laplacian_img = cv2.convertScaleAbs(laplacian_img)

# 任意｜エッジを3倍ほど強調
laplacian_img = laplacian_img * 3

# フィルタ出力
print(laplacian_img)

# 表示
cv2.imshow("img",img)                       # オリジナル画像
cv2.imshow("laplacian_img",laplacian_img)   # ラプレシアンフィルタ
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2

# 画像読込（グレースケール）
img = cv2.imread("image_data.jpg", 0)

# Gauusianフィルタ
gauusian_img = cv2.GaussianBlur(img,    # 入力画像
                                (3,3),  # カーネルサイズ(x,y)  
                                2       # σの値
                                )

# LaplacianにGaussianフィルタを適用した入力画像を指定
laplacian_img = cv2.Laplacian(gauusian_img,  # 入力画像
                              cv2.CV_32F     # ビット深度
                             )

# フィルタのマイナス値を絶対値変換
laplacian_img = cv2.convertScaleAbs(laplacian_img)

# 任意｜エッジを5倍ほど強調
laplacian_img = laplacian_img * 5

# 表示
cv2.imshow("img",img)                       # オリジナル画像
cv2.imshow("laplacian_img",laplacian_img)   # ラプレシアン/ガウシアンフィルタ
cv2.waitKey(0)
cv2.destroyAllWindows()