博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
cv2.Laplacian 模糊判断
阅读量:4506 次
发布时间:2019-06-08

本文共 554 字,大约阅读时间需要 1 分钟。

简介
 
cv2.Laplacian是用来判断图像模糊度的
 
 
函数原型
1 dst = cv2.Laplacian(src, ddepth[, dst[, ksize[, scale[, delta[, borderType]]]]])
前两个是必须的参数:
第一个参数是需要处理的图像;
第二个参数是图像的深度,-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度;
 
其后是可选的参数:
  • dst不用解释了;
  • ksize是算子的大小,必须为1、3、5、7。默认为1。
  • scale是缩放导数的比例常数,默认情况下没有伸缩系数;
  • delta是一个可选的增量,将会加到最终的dst中,同样,默认情况下没有额外的值加到dst中;
  • borderType是判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。
使用:
1 import cv2 as cv2 import numpy as np3 img = cv.imread("test.jpg",0)4 gray_lap = cv.Laplacian(img,cv.CV_64F).var()5 print(gray_lap)

 

转载于:https://www.cnblogs.com/aoru45/p/9763991.html

你可能感兴趣的文章
[SCOI2014]方伯伯的玉米田 题解(树状数组优化dp)
查看>>
P1011 车站
查看>>
SQL查询语句
查看>>
python网络爬虫-使用Urllib
查看>>
iptables配置管理
查看>>
1.7 本机单步调试(Intellij IDEA)
查看>>
自动化运维:日志系统上线规范(十)
查看>>
同步、异步、阻塞与非阻塞
查看>>
01软件架构设计的思想与模式阅读笔记
查看>>
Selenium 上传文件失败,解决办法一
查看>>
2019年,我们需要加强关注网络安全的6大原因
查看>>
Hexo主题 —— NexT优化
查看>>
Python Web Flask源码解读(三)——模板渲染过程
查看>>
JavaScript 中的对象(一)- 对象的概念、模型、以及创建
查看>>
产品的痛点、爽点和痒点
查看>>
密码学摘要算法之SHA2
查看>>
dealloc和weak底层实现
查看>>
【网络】Windows 下 socket 编程范例
查看>>
【IT】CRC校验码是怎么回事呢?
查看>>
hashmap C++实现
查看>>