Python 使用cv2.canny 进行图像边缘检测 |
您所在的位置:网站首页 › opencv阈值怎么设置 › Python 使用cv2.canny 进行图像边缘检测 |
CV2提供了提取图像边缘的函数canny。其算法思想如下: 1. 使用高斯模糊,去除噪音点(cv2.GaussianBlur) 2. 灰度转换(cv2.cvtColor) 3. 使用sobel算子,计算出每个点的梯度大小和梯度方向 4. 使用非极大值抑制(只有最大的保留),消除边缘检测带来的杂散效应 5. 应用双阈值,来确定真实和潜在的边缘 6. 通过抑制弱边缘来完成最终的边缘检测Canny函数的定义如下: edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])参数含义如下: image:要检测的图像threshold1:阈值1(最小值)threshold2:阈值2(最大值),使用此参数进行明显的边缘检测edges:图像边缘信息apertureSize:sobel算子(卷积核)大小L2gradient :布尔值。 True: 使用更精确的L2范数进行计算(即两个方向的导数的平方和再开方) False:使用L1范数(直接将两个方向导数的绝对值相加)![]() ![]() 其中较大的阈值2用于检测图像中明显的边缘,但一般情况下检测的效果不会那么完美,边缘检测出来是断断续续的。所以这时候用较小的第一个阈值用于将这些间断的边缘连接起来。 阈值对检测结果的影响 import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('d:\\girl.png') edges = cv2.Canny(img,100,200) edges2 = cv2.Canny(img,50,200) plt.subplot(131),plt.imshow(img,cmap = 'gray') plt.title('Original Image'), plt.xticks([]), plt.yticks([]) plt.subplot(132),plt.imshow(edges,cmap = 'gray') plt.title('Edge Image1'), plt.xticks([]), plt.yticks([]) plt.subplot(133),plt.imshow(edges2,cmap = 'gray') plt.title('Edge Image2'), plt.xticks([]), plt.yticks([]) plt.show()
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |