Python实现Opencv cv2.Canny()边缘检测

作者:程序媛一枚~ 时间:2022-12-01 13:26:37 

这篇博客将介绍Canny边缘检测的概念,并利用cv2.Canny()实现边缘检测;

  • Canny边缘检测是一种流行的边缘检测算法。它是由约翰F开发的,是一个多阶段的算法;

  • Canny边缘检测大致包含4个步骤:

    • 降噪(使用高斯滤波去除高频噪声);

    • 计算边缘梯度和方向(SobelX、SobleY核在水平方向和垂直方向对平滑后的图像进行滤波,找到每个像素的边缘梯度和方向);

    • 非最大抑制(在得到梯度大小和方向后,对图像进行全扫描,去除任何不需要的像素,这些像素可能不构成边缘。检查像素是否在其梯度方向的邻域中是局部最大值。否则,将被抑制(归零)。简而言之,得到的结果是一个具有“细边”的二值图像。

    • 滞后阈值(决定哪些边是真正的边,哪些不是。为此需要两个阈值minVal和maxVal,任何强度梯度大于maxVal的边都肯定是边,小于minVal的边肯定是非边,因此丢弃。位于这两个阈值之间的边根据其连通性被分类为边或非边。如果它们连接到“确定边缘”像素,则它们被视为边缘的一部分。否则,它们也会被丢弃。)

选择滞后阈值minVal和maxVal是得到正确结果的关键。

1. 效果图

原始图 VS Canny检测效果图如下:

Python实现Opencv cv2.Canny()边缘检测

2. 源码


# Canny边缘检测是一种流行的边缘检测算法。它是由约翰F开发的,是一个多阶段的算法;
# Canny边缘检测大致包含4个步骤:
#
# 1.降噪(使用高斯滤波去除高频噪声);
# 2. 计算边缘梯度和方向(SobelX、SobleY核在水平方向和垂直方向对平滑后的图像进行滤波,找到每个像素的边缘梯度和方向);
# 3. 非最大抑制(在得到梯度大小和方向后,对图像进行全扫描,去除任何不需要的像素,这些像素可能不构成边缘。检查像素是否在其梯度方向的邻域中是局部最大值。否则,将被抑制(归零)。简而言之,得到的结果是一个具有“细边”的二值图像。
# 4. 滞后阈值(决定哪些边是真正的边,哪些不是。为此需要两个阈值minVal和maxVal,任何强度梯度大于maxVal的边都肯定是边,小于minVal的边肯定是非边,因此丢弃。位于这两个阈值之间的边根据其连通性被分类为边或非边。如果它们连接到“确定边缘”像素,则它们被视为边缘的一部分。否则,它们也会被丢弃。)
#
# 选择滞后阈值minVal和maxVal是得到正确结果的关键。
import cv2
from matplotlib import pyplot as plt

img = 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()

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

补充:OpenCV-Python 中 Canny() 参数

步骤:

  • 彩色图像转换为灰度图像(以灰度图或者单通道图读入)

  • 对图像进行高斯模糊(去噪)

  • 计算图像梯度,根据梯度计算图像边缘幅值与角度

  • 沿梯度方向进行非极大值抑制(边缘细化)

  • 双阈值边缘连接处理

  • 二值化图像输出结果


"""
cv2.Canny(image,            # 输入原图(必须为单通道图)
         threshold1,
         threshold2,       # 较大的阈值2用于检测图像中明显的边缘
         [, edges[,
         apertureSize[,    # apertureSize:Sobel算子的大小
         L2gradient ]]])   # 参数(布尔值):
                             true: 使用更精确的L2范数进行计算(即两个方向的倒数的平方和再开放),
                             false:使用L1范数(直接将两个方向导数的绝对值相加)。
"""

import cv2
import numpy as np  

original_img = cv2.imread("qingwen.png", 0)

# canny(): 边缘检测
img1 = cv2.GaussianBlur(original_img,(3,3),0)
canny = cv2.Canny(img1, 50, 150)

# 形态学:边缘检测
_,Thr_img = cv2.threshold(original_img,210,255,cv2.THRESH_BINARY)#设定红色通道阈值210(阈值影响梯度运算效果)
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5))         #定义矩形结构元素
gradient = cv2.morphologyEx(Thr_img, cv2.MORPH_GRADIENT, kernel) #梯度

cv2.imshow("original_img", original_img)
cv2.imshow("gradient", gradient)
cv2.imshow('Canny', canny)

cv2.waitKey(0)
cv2.destroyAllWindows()

 Python实现Opencv cv2.Canny()边缘检测

可调整阈值大小的程序


import cv2
import numpy as np

def CannyThreshold(lowThreshold):
   detected_edges = cv2.GaussianBlur(gray,(3,3),0)
   detected_edges = cv2.Canny(detected_edges,
                              lowThreshold,
                              lowThreshold*ratio,
                              apertureSize = kernel_size)
   dst = cv2.bitwise_and(img,img,mask = detected_edges)  # just add some colours to edges from original image.
   cv2.imshow('canny demo',dst)

lowThreshold = 0
max_lowThreshold = 100
ratio = 3
kernel_size = 3

img = cv2.imread('qingwen.png')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

cv2.namedWindow('canny demo')

cv2.createTrackbar('Min threshold','canny demo',lowThreshold, max_lowThreshold, CannyThreshold)

CannyThreshold(0)  # initialization
if cv2.waitKey(0) == 27:
   cv2.destroyAllWindows()

Python实现Opencv cv2.Canny()边缘检测 

来源:https://blog.csdn.net/qq_40985985/article/details/118661334

标签:Opencv,cv2.Canny(),边缘检测
0
投稿

猜你喜欢

  • Python实现简易的图书管理系统

    2021-09-12 06:06:21
  • 为什么不压缩 HTML

    2010-05-07 12:37:00
  • 关于Keras Dense层整理

    2022-03-02 17:04:15
  • 浅谈Pycharm的项目文件名是红色的原因及解决方式

    2021-07-02 12:57:22
  • MySQL重定位数据目录的方法

    2024-01-19 02:51:57
  • Python 快速验证代理IP是否有效的方法实现

    2022-08-12 07:22:14
  • vue常用指令代码实例总结

    2021-01-24 10:53:58
  • 未知高度的图片垂直居中

    2010-12-17 12:36:00
  • Python笔试面试题小结

    2022-07-17 12:51:23
  • python中的字符串占位符的"{0:2}"

    2021-04-28 20:23:39
  • MySQL中一些鲜为人知的排序方式

    2024-01-18 03:18:12
  • 发一新浪招聘的图片滚动控制JS效果

    2011-08-10 19:17:25
  • DreamweaverMX 2004打造细线表格

    2008-10-01 09:39:00
  • Go语言ORM框架构造查询条件示例详解

    2024-05-05 09:29:30
  • python Event事件、进程池与线程池、协程解析

    2023-09-06 00:39:19
  • python网络编程 使用UDP、TCP协议收发信息详解

    2021-02-15 14:37:41
  • 网页设计技巧:相对路径与绝对路径的区别问题

    2008-03-04 10:12:00
  • SQLServer存储过程中事务的使用方法

    2024-01-29 06:56:03
  • SpringBoot整合Mybatis使用Druid数据库连接池

    2024-01-28 23:33:21
  • 获取SQL Server数据库元数据的几种方法

    2024-01-17 16:00:44
  • asp之家 网络编程 m.aspxhome.com