Python 使用cv2.canny 进行图像边缘检测

2023-09-11 21:50| 来源: 网络整理| 查看: 265

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） L2gradie=True使用的公式

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()

在这里插入图片描述可以看到，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()

在这里插入图片描述

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()

在这里插入图片描述

【本文地址】

公司简介

联系我们