Canny 算法简介
-
步骤:
- 高斯模糊 — GaussianBlur
- 灰度转换 — cvtColor
- 计算梯度 — Sobel/Scharr
- 非最大信号抑制
- 高低阈值输出二值图像
实例:
import cv2 as cv
import numpy as np
def canny_detect(image):
src = cv.imread(image)
blurred = cv.GaussianBlur(src, (3,3), 0) # 高斯模糊,去除干扰噪点
gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY) # 转化为灰度图
# X gradient
gradx = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
# Y gradient
grady = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
# edge
edge_output = cv.Canny(gradx, grady, 50, 150) # 利用x,y 轴梯度对图像进行边缘提取
cv.imshow('customary', src)
cv.imshow('result', edge_output)
canny_detect('/home/pi/Desktop/woman.jpg')
cv.waitKey(0)
cv.destroyAllWindows()
除上述方法之外,还可以直接调用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[, apertureSize[, L2gradient]]]) -> edges
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)。
参考博客:
https://blog.csdn.net/weixin_40973138/article/details/88714472
https://www.cnblogs.com/FHC1994/p/9133015.html