OpenCV图像边缘检测

最新推荐文章于 2024-09-03 21:30:39 发布

Coder.AN

最新推荐文章于 2024-09-03 21:30:39 发布

阅读量543

点赞数 1

分类专栏： OpenCV学习笔记

本文链接：https://blog.csdn.net/AnHongjun/article/details/113389779

版权

OpenCV学习笔记专栏收录该内容

8 篇文章 0 订阅

订阅专栏

一、Canny边缘检测的一般步骤

1.使用高斯滤波器，以平滑图像，滤除噪声；

2.计算图像中每个像素点的梯度强度和方向；

3.应用非极大值抑制，以消除边缘检测带来的杂散效应；

4.应用双阈值检测来确定真实的和潜在的边缘；

5.通过抑制孤立的弱边缘最终完成边缘检测。

二、梯度强度和方向的计算

$G=\sqrt{G_{x}^{2}+G_{y}^{2}} \ \ \ \ \ \ \Theta =arctan(\frac{G_{x}}{G_{y}})$

三、关于非极大值抑制

1.方法一

2.方法二

四、双阈值检测

五、OpenCV接口实现

import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread('./noisy.jpg', cv2.IMREAD_GRAYSCALE)

#滤波
img = cv2.medianBlur(img, 3)

v1 = cv2.Canny(img, 80, 150)
v2 = cv2.Canny(img, 50, 100)

plt.figure()
plt.subplot(1, 3, 1)
plt.imshow(img, 'gray')
plt.title('ORIGINAL')

plt.subplot(1, 3, 2)
plt.imshow(v1, 'gray')
plt.title('V1')

plt.subplot(1, 3, 3)
plt.imshow(v2, 'gray')
plt.title('V2')

plt.show()

canny