Canny算法步骤
①高斯模糊 - GaussianBlur
②灰度转换 - cvtColor
③计算梯度 – Sobel/Scharr
④非最大信号抑制
⑤高低阈值输出二值图像——高低阈值比值为2:1或3:1最佳
import cv2 as cv
def canny_demo(img):
gaus = cv.GaussianBlur(img, (3, 3), 0)
gray = cv.cvtColor(gaus,cv.COLOR_BGR2GRAY)
gradx = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
grady = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
edge_out = cv.Canny(gradx, grady, 50, 150) # 黑白的边缘 高低阈值比值为2:1或3:1最佳(50:150 = 1:3)
cv.imshow("canny_demo", edge_out)
dst = cv.bitwise_and(img, img,mask=edge_out) # 彩色的边缘
cv.imshow("color_canny", dst)
src = cv.imread("./../img/w8.jpg") # 读取图像
cv.namedWindow("input img", cv.WINDOW_AUTOSIZE)
cv.imshow("input img", src) # 显示图像
canny_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
Canny算法的两种方式
1.使用带自定义图像渐变的Canny算法在图像中查找边缘,
其函数原型为:Canny(dx, dy, threshold1, threshold2, edges, L2gradient)
- dx参数表示输入图像的x导数(x导数满足16位,选择CV_16SC1或CV_16SC3)
- dy参数表示输入图像的y导数(y导数满足16位,选择CV_16SC1或CV_16SC3)。
- threshold1参数表示设置的低阈值。
- threshold2参数表示设置的高阈值,一般设定为低阈值的3倍 (根据Canny算法的推荐)。
- edges参数表示输出边缘图像,单通道8位图像。
- L2gradient参数表示L2gradient参数表示一个布尔值,如果为真,则使用更精确的L2范数进行计算(即两个方向的倒数的平方和再开方),否则使用L1范数(直接将两个方向导数的绝对值相加)
直接调用Canny算法在单通道灰度图像中查找边缘
其函数原型为:Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)
- image参数表示8位输入图像。
- threshold1参数表示设置的低阈值。
- threshold2参数表示设置的高阈值,一般设定为低阈值的3倍 (根据Canny算法的推荐)。
- edges参数表示输出边缘图像,单通道8位图像。
- apertureSize参数表示Sobel算子的大小
- L2gradient参数表示一个布尔值,如果为真,则使用更精确的L2范数进行计算(即两个方向的倒数的平方和再开方),否则使用L1范数(直接将两个方向导数的绝对值相加)。