开发者

Python如何使用cv2.canny进行图像边缘检测

目录
  • 使用cv2.canny进行图像边缘检测
    • 阈值对检测结果的影响
    • sobel算子对检测结果的影响
    • 范数对检测结果的影响
  • 总结

    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
    • thresEskvcdUcZhold1: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算子编程(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)

    Python如何使用cv2.canny进行图像边缘检测

    Python如何使用cv2.canny进行图像边缘检测

    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,apertureSize=3)
    edges2 = cv2.Canny(img,100,200,apertureSize=5)
    plt.subplot(131),plt.imshow(img,cmap = 'gray')
    plt.title('Original Image'), plt.xticks([]), plt.yticks([])
    plt.spythonubplot(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()
    

    Python如何使用cv2.canny进行图像边缘检测

    可以看到,在调整threshold1之后,检测出的边缘增多了。

    sobel算子对检测结果的影响

    sobel默认的算子大小是3,扩大算子,会获得更多的细节,但是也更能提取图像了。

    import cv2
    import numpy as np
    from matplotlib import pyplot as plt
    
    img = cv2.imread('d:\\girl.png')
    edges = cv2.Canny(img,100,200,apertureSize=3)
    edges2 = cv2.Canny(img,100,200,apertureSize=5)
    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()
    

    Python如何使用cv2.canny进行图像边缘检测

    范数对检测结果的影响

    L2gradient=True时,检测出的边编程客栈缘减少了。

    import cv2
    import numpy as np
    from matplotlib import pyplot as 开发者_开发教程plt
    
    img = cv2.imread('d:\\girl.png')
    edges = cv2.Canny(img,100,200,L2gradient=False)
    edges2 = cv2.Canny(img,100,200,L2gradient=True)
    plt.subplot(131),plt.imshow(img,cmap = 'gray')
    plt.title('Original Image'), plt.xticks([]), plt.yticks([])
    plt.subjavascriptplot(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()
    

    Python如何使用cv2.canny进行图像边缘检测

    总结

    以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。

    0

    上一篇:

    下一篇:

    精彩评论

    暂无评论...
    验证码 换一张
    取 消

    最新开发

    开发排行榜