边缘检测算法主要用到的就是Sobel算子和Canny算子检测
6.1Sobel算子
主要是计算x和y方向的梯度
# -*- coding: utf-8 -*-
"""
cv2.Sobel(src, #参数是需要处理的图像;
ddepth, #图像的深度,-1表示采用的是与原图像相同的深度。目标图像的深度必须大于等于原图像的深度
dx, #dx和dy表示的是求导的阶数,0表示这个方向上没有求导,一般为0、1、2。
dy[,
dst[, #输出图片
ksize[,#Sobel算子的大小,必须为1、3、5、7。
scale[, #缩放导数的比例常数,默认情况下没有伸缩系数;
delta[, #可选的增量,将会加到最终的dst中,同样,默认情况下没有额外的值加到dst中;
borderType #判断图像边界的模式。这个参数默认值为cv2.BORDER_DEFAULT。
]]]]])
"""
6.2 Canny边缘检测
Canny边缘检测是从不同视觉对象中提取有用的结构信息并大大减少要处理的数据量的一种技术。Canny发现,在不同视觉系统上对边缘检测的要求较为类似,因此,可以实现一种具有广泛应用意义的边缘检测技术。边缘检测的一般标准包括:
1.以低的错误率检测边缘,也即意味着需要尽可能准确的捕获图像中尽可能多的边缘。
2.检测到的边缘应精确定位在真实边缘的中心。
3.图像中给定的边缘应只被标记一次,并且在可能的情况下,图像的噪声不应产生假的边缘。
完成一个Canny边缘检测算法可以分为以下四步:
# -*- coding: utf-8 -*-
"""
cv2.Canny(image, # 输入原图(必须为单通道图)
threshold1,
threshold2, # 较大的阈值2用于检测图像中明显的边缘
[, edges[,
apertureSize[, # apertureSize:Sobel算子的大小
L2gradient ]]]) # 参数(布尔值):
true: 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放),
false:使用L1范数(直接将两个方向导数的绝对值相加)。
"""