python + opencv图像处理(十九)——边缘提取

canny算法(在opencv中有相应的API)
边缘检测算法
一个很好的边缘检测器
canny算法介绍——5步
1、高斯模糊——GaussianBlur
2、灰度变换——cvtColor
3、计算梯度——Sobel/Scharr
4、非最大信号抑制
5、高低阈输出二值图像:T1,T2都为阈值,凡是高于T2的都保留,凡是小于T1的都丢弃,从高于T2的像素出发,凡是大于T1的而且相互连接的都保留,最终得到一个输出二值图像。
推荐的高低阈值比值为T2:T1=3:1/2:1,其中T2为高阈值,T1为低阈值

from matplotlib import pyplot as plt 
from cv2 import cv2 as cv
import numpy as np 

def edge_demo(image):
    blurred = cv.GaussianBlur(image,(3,3),0)  #高斯降噪,适度
    gray = cv.cvtColor(blurred,cv.COLOR_BGR2GRAY)
    #求梯度
    xgrd = cv.Sobel(gray,cv.CV_16SC1,1,0)
    ygrd = cv.Sobel(gray,cv.CV_16SC1,0,1)

    egde_output = cv.Canny(xgrd,ygrd,50,150)  #50低阈值,150高阈值
    #egde_output = cv.Canny(gray,50,150)   #都可使用
    cv.imshow('canny_edge',egde_output)

    #输出彩色图
    dst = cv.bitwise_and(image,image,mask=egde_output)
    cv.imshow('color edge',dst)


if __name__ == "__main__":
    filepath = "C:\\pictures\\012345.jpg"
    img = cv.imread(filepath)       # blue green red
    cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
    cv.imshow("input image",img)

    edge_demo(img)


    cv.waitKey(0)
    cv.destroyAllWindows()

结果如下:
在这里插入图片描述

  • 4
    点赞
  • 37
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
边缘提取图像处理中常用的技术,可以用于检测图像中物体的边界。在Python中,可以使用Prewitt算子和Roberts算子来实现边缘提取。 Prewitt算子的实现过程与Roberts算子比较相似。首先,需要将图像转换为灰度图像,然后定义Prewitt算子的卷积核,通过调用OpenCV的filter2D()函数对灰度图像进行卷积运算。接着,使用convertScaleAbs()函数将卷积结果转换为8位无符号整数,并使用addWeighted()函数对水平和垂直方向的边缘强度进行加权求和。最后,通过matplotlib库将原始图像和Prewitt算子的边缘提取结果显示出来。 以下是Prewitt算子边缘提取Python代码示例: ```python import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图像 img = cv2.imread('lena.png') lenna_img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) # 灰度化处理图像 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Prewitt算子 kernelx = np.array([[1,1,1],[0,0,0],[-1,-1,-1]],dtype=int) kernely = np.array([[-1,0,1],[-1,0,1],[-1,0,1]],dtype=int) x = cv2.filter2D(grayImage, cv2.CV_16S, kernelx) y = cv2.filter2D(grayImage, cv2.CV_16S, kernely) # 转uint8 absX = cv2.convertScaleAbs(x) absY = cv2.convertScaleAbs(y) Prewitt = cv2.addWeighted(absX,0.5,absY,0.5,0) # 用来正常显示中文标签 plt.rcParams['font.sans-serif']=['SimHei'] # 显示图形 titles = [u'原始图像', u'Prewitt算子'] images = [lenna_img, Prewitt] for i in xrange(2): plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show() ``` Roberts算子的实现过程与Prewitt算子类似,只是卷积核的定义有所不同。以下是Roberts算子边缘提取Python代码示例: ```python import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图像 img = cv2.imread('lena.png') lenna_img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) # 灰度化处理图像 grayImage = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # Roberts算子 kernelx = np.array([[-1,0],[0,1]], dtype=int) kernely = np.array([[0,-1],[1,0]], dtype=int) x = cv2.filter2D(grayImage, cv2.CV_16S, kernelx) y = cv2.filter2D(grayImage, cv2.CV_16S, kernely) # 转uint8 absX = cv2.convertScaleAbs(x) absY = cv2.convertScaleAbs(y) Roberts = cv2.addWeighted(absX,0.5,absY,0.5,0) # 用来正常显示中文标签 plt.rcParams['font.sans-serif']=['SimHei'] # 显示图形 titles = [u'原始图像', u'Roberts算子'] images = [lenna_img, Roberts] for i in xrange(2): plt.subplot(1,2,i+1), plt.imshow(images[i], 'gray') plt.title(titles[i]) plt.xticks([]),plt.yticks([]) plt.show() ``` 你可以根据自己的需求选择使用Prewitt算子还是Roberts算子来进行边缘提取。同时,你也可以在github上找到完整的源代码,链接为:https://github.com/eastmountyxz/ImageProcessing-Python。 希望以上内容能够帮助到你!如果你还有其他问题,请随时提问。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

xiao黄

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值