opencv初学(图像08)

文章介绍了Canny边缘检测的流程,包括使用高斯滤波进行图像平滑,计算像素点的梯度和方向,应用非极大值抑制减少杂散响应,以及通过双阈值确定边界并排除弱边缘,从而实现精确的边缘检测。示例代码展示了如何使用OpenCV库执行Canny边缘检测。
摘要由CSDN通过智能技术生成

以下部分文字,图片摘自1-Canny边缘检测流程_哔哩哔哩_bilibili

Canny边缘检测流程

  1. 利用高斯滤波,使图像平滑

  1. 计算图像中的每个像素点的梯度强度与梯度方向

  1. 利用"非极大值抑制"来,消除边缘检测带来的杂散响应(即,检测某个值在一定范围内是否为极大值,是则保留,不是则舍去)

  1. 利用双阈值确定边界

  1. 排除孤立的弱边缘,完成检测

高斯滤波器

计算梯度大小和方向(Sobel算子)

梯度大小:可参考opencv初学(图像07)_XUAN-John的博客-CSDN博客

梯度方向:

梯度方向与边界垂直

非极大值抑制

对每一个像素点,在其梯度方向上判断其梯度大小是否为极大值,若是则保留,不是则忽略。(这里我不知道为啥要这样,欢迎大佬指正)

线性插值法

简便平替

双阈值

若maxVal偏小,minVal偏大:边界变多,可能会出现杂散项

若maxVal偏大,minVal偏小:边界变少,可能识别不出边界

代码

img_afterCanny=cv2.Canny(img,minVal,maxVal)

"""
    Canny边缘检测流程
"""
import cv2
import numpy as np

def cv_show(name,image):
    cv2.imshow(name,image)
    cv2.waitKey()
    cv2.destroyAllWindows()

img=cv2.imread('D:/BaiduNetdiskDownload/opencv/AMIYA.jpg',cv2.IMREAD_GRAYSCALE)

Canny_1=cv2.Canny(img,100,150)
Canny_2=cv2.Canny(img,50,120)

combine=np.hstack((Canny_1,Canny_2))
combine=cv2.resize(combine,(0,0),fx=0.3,fy=0.3)
cv_show('11',combine)

运行结果

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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