下载掌阅APP，畅读海量书库
立即打开
边缘在人的视觉和计算机视觉中都扮演着重要的角色。对于人来说，通过背光轮廓或者粗略的草图，可以很容易地识别出许多物体的类型及其姿态。的确，当艺术作品强调边缘和姿态时，通常它似乎传达了原型的想法，如罗丹的《思想者》或者乔·舒斯特的《超人》。软件也可以推断出边缘、姿态和原型。我们将在后续章节中讨论这些类型的推理。
OpenCV提供了许多边缘搜索滤波器，包括Laplacian、Sobel和Scharr。这些滤波器将非边缘区域变为黑色，将边缘区域变为白色或者饱和颜色。但是，它们很容易把噪声误认为边缘。在试图寻找边缘之前模糊图像可以减少这类缺陷。OpenCV还提供了许多模糊滤波器，包括blur（一个简单的平均）、medianBlur和GaussianBlur。边缘搜索和模糊滤波器的参数各不相同，但是始终包括ksize——这是一个奇数整数，表示滤波器的核的宽和高（以像素为单位）。
对于模糊，我们使用medianBlur，它可以有效地去除数字视频噪声，尤其是在彩色图像中。对于边缘搜索，我们使用Laplacian，它产生粗的边缘线条，尤其是在灰度图像中。在应用medianBlur之后且应用Laplacian之前，应该将图像从BGR转换为灰度。
一旦得到Laplacian结果，就可以将其转换得到白色背景上的黑色边缘。然后，对其进行归一化（使其值在0到1之间），再将其与源图像相乘，使边缘变暗。我们在filters.py中实现这个方法：
请注意，我们允许把核大小指定为strokeEdges的参数。
参数blurKsize用作medianBlur的ksize，而edgeKsize用作Laplacian的ksize。对于典型的网络摄像头，blurKsize的值为7，edgeKsize的值为5，可能会产生最令人满意的效果。可是，具有较大的ksize参数（比如7）时，medianBlur计算成本很高。
如果在运行strokeEdges时遇到性能问题，请尝试减小blurKsize值。要关闭模糊效果，就将其设置为小于3的值。
在3.7节中，我们将这个滤波器集成到Cameo之后会看到它的效果。