本文利用python opencv進(jìn)行圖像的邊緣檢測(cè)，一般要經(jīng)過如下幾個(gè)步驟：

1、去噪

如cv2.GaussianBlur()等函數(shù)；

2、計(jì)算圖像梯度

圖像梯度表達(dá)的是各個(gè)像素點(diǎn)之間，像素值大小的變化幅度大小，變化較大，則可以認(rèn)為是出于邊緣位置，最多可簡(jiǎn)化為如下形式：

3、非極大值抑制

在獲得梯度的方向和大小之后，應(yīng)該對(duì)整幅圖像做一個(gè)掃描，去除那些非邊界上的點(diǎn)。對(duì)每一個(gè)像素進(jìn)行檢查，看這個(gè)點(diǎn)的梯度是不是周圍具有相同梯度方向的點(diǎn)中最大的。如下圖所示：

4、滯后閾值

現(xiàn)在要確定那些邊界才是真正的邊界。這時(shí)我們需要設(shè)置兩個(gè)閾值：minVal 和maxVal。當(dāng)圖像的灰度梯度高于maxVal 時(shí)被認(rèn)為是真的邊界，那些低于minVal 的邊界會(huì)被拋棄。如果介于兩者之間的話，就要看這個(gè)點(diǎn)是否與某個(gè)被確定為真正的邊界點(diǎn)相連，如果是就認(rèn)為它也是邊界點(diǎn)，如果不是就拋棄。如下圖：

在Python Opencv接口中，提供了Canny函數(shù)，可以對(duì)圖像進(jìn)行一鍵執(zhí)行邊緣檢測(cè)。

接下來，利用Canny函數(shù)進(jìn)行邊緣檢測(cè)的實(shí)驗(yàn)。

Canny函數(shù)需要指定幾個(gè)參數(shù)：

1、需要進(jìn)行邊緣檢測(cè)的原圖

2、閾值下限

3、閾值上限

我們?yōu)榱四軌蚩吹讲煌撝捣秶鷮?duì)邊緣檢測(cè)結(jié)果的影響，設(shè)置了兩個(gè)滑動(dòng)條，來分別表示閾值上下限。

完整代碼如下：

# -*- coding: utf-8 -*-

"""

Created on Thu Sep 13 14:23:32 2018

@author: Leon

內(nèi)容：

對(duì)圖片進(jìn)行邊緣檢測(cè)；

添加滑動(dòng)條，可自由調(diào)整閾值上下限。

"""

import cv2

import numpy as np

def nothing(x):

pass

cv2.namedWindow('Canny',0)

# 創(chuàng)建滑動(dòng)條

cv2.createTrackbar('minval','Canny',0,255,nothing)

cv2.createTrackbar('maxval','Canny',0,255,nothing)

img = cv2.imread('Tree.jpg',0)

# 高斯濾波去噪

img = cv2.GaussianBlur(img,(3,3),0)

edges =img

k=0

while(1):

key = cv2.waitKey(50) & 0xFF

if key == ord('q'):

break

# 讀取滑動(dòng)條數(shù)值

minval = cv2.getTrackbarPos('minval','Canny')

maxval = cv2.getTrackbarPos('maxval','Canny')

edges = cv2.Canny(img,minval,maxval)

# 拼接原圖與邊緣監(jiān)測(cè)結(jié)果圖

img_2 = np.hstack((img,edges))

cv2.imshow('Canny',img_2)

cv2.destroyAllWindows()

效果如圖：

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

總結(jié)

以上是生活随笔為你收集整理的python图像边缘检测_python opencv实现图像边缘检测的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。