1-12 边缘检测 opencv树莓派4B 入门系列笔记-CSDN博客

本文链接：https://blog.csdn.net/2301_80015907/article/details/141788217

一、提前准备

二、代码详解

edges = cv2.Canny(image, 100, 200)

三、运行现象

四、完整工程贴出

一、提前准备

1、树莓派4B 及 64位系统

2、提前安装opencv库以及 numpy库

3、保存一张图片

二、代码详解

Canny算法可以形象地比喻为一个“探边者”的过程。首先通过平滑处理来减少干扰（去除噪声），然后仔细“探摸”图像，寻找亮度变化最大的地方（找到图像中的变化），并通过过滤和连接步骤，最终确定真正的边缘。这种方法不仅找到了边缘，还非常有效地排除了不必要的“边缘”信息，使得结果更加清晰、准确。

import cv2
 
# 打开图像
image = cv2.imread('/home/raspberry4B/Pictures/MD.jpg')
 
# 应用边缘检测
edges = cv2.Canny(image, 100, 200)
 
# 显示边缘检测后的图像
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

`edges = cv2.Canny(image, 100, 200)`

功能: 使用cv2.Canny函数对图像进行边缘检测。Canny边缘检测是一种多阶段算法，用于检测图像中的边缘。
参数:
- image: 输入的图像。
- 100: 第一个阈值，称为低阈值，用于检测图像中的弱边缘。小于此值的像素被认为不是边缘。
- 200: 第二个阈值，称为高阈值，用于检测图像中的强边缘。大于此值的像素被保留为边缘像素。
Canny边缘检测的步骤:
1. 噪声去除: 使用高斯滤波器去除图像中的噪声。
2. 计算梯度: 使用Sobel算子计算图像的梯度，获取边缘强度和方向。
3. 非最大值抑制: 保留局部梯度方向上的最大值，抑制非边缘的像素。
4. 双阈值检测: 使用两个阈值（高阈值和低阈值）识别强边缘和弱边缘，并对边缘进行跟踪。