Python如何使用cv2.canny进行图像边缘检测
更新时间:2023年01月28日 15:18:55 作者:风华明远
这篇文章主要介绍了Python如何使用cv2.canny进行图像边缘检测问题,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
(福利推荐:【腾讯云】服务器最新限时优惠活动,云服务器1核2G仅99元/年、2核4G仅768元/3年,立即抢购>>>:9i0i.cn/qcloud)
(福利推荐:你还在原价购买阿里云服务器?现在阿里云0.8折限时抢购活动来啦!4核8G企业云服务器仅2998元/3年,立即抢购>>>:9i0i.cn/aliyun)
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,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()
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()
范数对检测结果的影响
L2gradient=True时,检测出的边缘减少了。
import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread('d:\\girl.png') edges = cv2.Canny(img,100,200,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.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()
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程序员之家。
相关文章
windows10下安装TensorFlow Object Detection API的步骤
这篇文章主要介绍了windows10下安装TensorFlow Object Detection API的步骤,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧2019-06-06基于python实现FTP文件上传与下载操作(ftp&sftp协议)
这篇文章主要介绍了基于python实现FTP文件上传与下载操作(ftp&sftp协议),本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-04-04
最新评论