OpenCV学习笔记(三)【Canny算法边缘检测基础】

25 篇文章 8 订阅

1.Canny边缘检测

    1. 使用高斯滤波器,以平滑图像,滤除噪声。
    1. 计算图像中每个像素点的梯度强度和方向。
    1. 应用非极大值(Non-Maximum Suppression)抑制,以消除边缘检测带来的杂散响应。
    1. 应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘。
    1. 通过抑制孤立的弱边缘最终完成边缘检测。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

经过非极大抑制后图像中仍然有很多噪声点。Canny算法中应用了一种叫双阈值的技术。
即设定一个阈值上界和阈值下界(opencv中通常由人为指定的),

  • 图像中的像素点如果大于阈值上界则认为必然是边界(称为强边界,strong edge),
  • 小于阈值下界则认为必然不是边界,两者之间的则认为是候选项(称为弱边界,weak edge),需进行进一步处理。(通畅是判断是否与某个边界相连)
    ----百度百科

它设置两个阀值(threshold),分别为maxVal和minVal。其中大于maxVal的都被检测为边缘,而低于minval的都被检测为非边缘。对于中间的像素点,如果与确定为边缘的像素点邻接,则判定为边缘;否则为非边缘。

//那么是否代表着,上边界越低,越容易判定成边界,下边界越高,越容易判定非边界?

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV是一款强大的计算机视觉库,提供了丰富的图像处理和计算机视觉算法,其中包括边缘检测算法。本文将介绍OpenCV中的Sobel和Canny算子边缘检测。 Sobel算子边缘检测 Sobel算子是一种基于图像灰度值的一阶微分算子,可以检测图像中的边缘。Sobel算子可以分别计算图像在x和y方向上的梯度值,然后将两个方向的梯度值进行加权求和,得到边缘梯度的大小和方向。 在OpenCV中,可以使用Sobel函数进行Sobel算子边缘检测。以下是一个示例代码: ``` import cv2 img = cv2.imread('image.jpg', 0) # 读取灰度图像 sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3) # 在x方向上计算Sobel梯度 sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3) # 在y方向上计算Sobel梯度 sobel = cv2.addWeighted(sobelx, 0.5, sobely, 0.5, 0) # 将x和y方向上的梯度值加权求和 cv2.imshow('Sobel', sobel) # 显示边缘检测结果 cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上面的代码中,使用cv2.Sobel函数分别计算了x和y方向上的梯度值,并使用cv2.addWeighted函数将两个方向的梯度值进行加权求和。最后,使用cv2.imshow函数显示边缘检测结果。 Canny算子边缘检测 Canny算子是一种多阶段的边缘检测算法,可以检测出较细的边缘,并且对噪声有很好的抑制能力。Canny算子首先使用高斯滤波器对图像进行平滑处理,然后计算图像的梯度值和方向,接着使用非极大值抑制算法和双阈值处理算法进行边缘检测。 在OpenCV中,可以使用Canny函数进行Canny算子边缘检测。以下是一个示例代码: ``` import cv2 img = cv2.imread('image.jpg', 0) # 读取灰度图像 edges = cv2.Canny(img, 100, 200) # 使用Canny算子进行边缘检测 cv2.imshow('Canny', edges) # 显示边缘检测结果 cv2.waitKey(0) cv2.destroyAllWindows() ``` 在上面的代码中,使用cv2.Canny函数对图像进行Canny算子边缘检测,并将结果保存在edges变量中。最后,使用cv2.imshow函数显示边缘检测结果。 总结 本文介绍了OpenCV中的Sobel和Canny算子边缘检测方法,Sobel算子适用于简单的边缘检测Canny算子适用于更复杂的边缘检测。在实际应用中,可以根据不同的需求选择合适的算法进行边缘检测
评论
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
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