Python，Opencv的Canny邊緣檢測(cè)

• • 1. 效果圖
  • 2. 源碼
  • 參考

這篇博客將介紹Canny邊緣檢測(cè)的概念，并利用cv2.Canny()實(shí)現(xiàn)邊緣檢測(cè)；

• Canny邊緣檢測(cè)是一種流行的邊緣檢測(cè)算法。它是由約翰F開發(fā)的，是一個(gè)多階段的算法；
• Canny邊緣檢測(cè)大致包含4個(gè)步驟：

1. 降噪（使用高斯濾波去除高頻噪聲）；
2. 計(jì)算邊緣梯度和方向（SobelX、SobleY核在水平方向和垂直方向?qū)ζ交蟮膱D像進(jìn)行濾波，找到每個(gè)像素的邊緣梯度和方向）；
3. 非最大抑制（在得到梯度大小和方向后，對(duì)圖像進(jìn)行全掃描，去除任何不需要的像素，這些像素可能不構(gòu)成邊緣。檢查像素是否在其梯度方向的鄰域中是局部最大值。否則，將被抑制（歸零）。簡而言之，得到的結(jié)果是一個(gè)具有“細(xì)邊”的二值圖像。
4. 滯后閾值（決定哪些邊是真正的邊，哪些不是。為此需要兩個(gè)閾值minVal和maxVal，任何強(qiáng)度梯度大于maxVal的邊都肯定是邊，小于minVal的邊肯定是非邊，因此丟棄。位于這兩個(gè)閾值之間的邊根據(jù)其連通性被分類為邊或非邊。如果它們連接到“確定邊緣”像素，則它們被視為邊緣的一部分。否則，它們也會(huì)被丟棄。）

選擇滯后閾值minVal和maxVal是得到正確結(jié)果的關(guān)鍵。

1. 效果圖

原始圖 VS Canny檢測(cè)效果圖如下：

2. 源碼

# Canny邊緣檢測(cè)是一種流行的邊緣檢測(cè)算法。它是由約翰F開發(fā)的，是一個(gè)多階段的算法；
# Canny邊緣檢測(cè)大致包含4個(gè)步驟：
# 
# 1.降噪（使用高斯濾波去除高頻噪聲）；
# 2. 計(jì)算邊緣梯度和方向（SobelX、SobleY核在水平方向和垂直方向?qū)ζ交蟮膱D像進(jìn)行濾波，找到每個(gè)像素的邊緣梯度和方向）；
# 3. 非最大抑制（在得到梯度大小和方向后，對(duì)圖像進(jìn)行全掃描，去除任何不需要的像素，這些像素可能不構(gòu)成邊緣。檢查像素是否在其梯度方向的鄰域中是局部最大值。否則，將被抑制（歸零）。簡而言之，得到的結(jié)果是一個(gè)具有“細(xì)邊”的二值圖像。
# 4. 滯后閾值（決定哪些邊是真正的邊，哪些不是。為此需要兩個(gè)閾值minVal和maxVal，任何強(qiáng)度梯度大于maxVal的邊都肯定是邊，小于minVal的邊肯定是非邊，因此丟棄。位于這兩個(gè)閾值之間的邊根據(jù)其連通性被分類為邊或非邊。如果它們連接到“確定邊緣”像素，則它們被視為邊緣的一部分。否則，它們也會(huì)被丟棄。）
# 
# 選擇滯后閾值minVal和maxVal是得到正確結(jié)果的關(guān)鍵。
import cv2
from matplotlib import pyplot as pltimg = cv2.imread('zly.jpg', 0)
edges = cv2.Canny(img, 80, 200)plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(edges, cmap='gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])plt.show()

參考

• https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_canny/py_canny.html#canny

總結(jié)

以上是生活随笔為你收集整理的Python，Opencv cv2.Canny()边缘检测的全部內(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。