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
这篇文章主要介绍了程序员写Python时的5个坏习惯，你有几条？有的习惯会让 Bug 变得隐蔽难以追踪，当然，也有的并没有错误，只是个人觉得不够优雅。本文有示例代码，感兴趣的朋友跟随小编一起看看吧2018-11-11
内网穿透是一种将内部网络服务暴露到公共网络的技术,可以让外部用户访问内部网络上的服务,本文将介绍如何使用Gradio实现免费的内网穿透,需要的可以参考下2024-03-03
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
下面小编就为大家分享一篇python在非root权限下的安装方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-01-01
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
这篇文章主要介绍了Python运行错误异常代码含义对照表,需要的朋友可以参考下2021-04-04
这篇文章主要介绍了Python中的MongoDB基本操作：连接、查询实例,本文直接给出操作示例代码,需要的朋友可以参考下2015-02-02
这篇文章主要为大家详细介绍了python使用tcp传输图片数据，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-06-06
这篇文章主要介绍了基于python实现SMTP发送邮件教程,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
这篇文章主要介绍了使用Python控制摄像头拍照并发邮件的相关知识，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下2019-04-04
最新评论