利用opencv实现canny算法图像边缘提取

canny算法

Canny算法步骤:
        ①高斯模糊 - GaussianBlur
        ②灰度转换 - cvtColor
        ③计算梯度 – Sobel/Scharr
        ④非最大信号抑制
        ⑤高低阈值输出二值图像——高低阈值比值为2:1或3:1最佳

边缘提取函数

cv2.GaussianBlur
cv2.Sobel

import cv2
def Opencv_canny_edge_extraction(img):
    #img: 原图像
    #return 黑白边缘,彩色边缘
    gaus = cv2.GaussianBlur(img, (3, 3), 0) #高斯模糊
    gray = cv2.cvtColor(gaus,cv2.COLOR_BGR2GRAY) #灰度化
    gradx = cv2.Sobel(gray, cv2.CV_16SC1, 1, 0) 
    grady = cv2.Sobel(gray, cv2.CV_16SC1, 0, 1)
    edge_out = cv2.Canny(gradx, grady, 50, 150)  #黑白的边缘 高低阈值比值为2:1或3:1最佳(50:150 = 1:3)
    dst = cv2.bitwise_and(img, img,mask=edge_out)  # 彩色的边缘
    return edge_out,dst 

应用

物体提取

我尝试利用彩色边缘提取，再结合滑动窗口的方式来确定疑似目标在图片中的位置
画出矩形框
Numpy的数组各行，各列的求和，平均值，最大值，最小值，最大最小值差，标准差，方差等的计算
算法：
1.将图片分为m×n个矩形区域
2.计算每个矩形区域的像素和
3.根据像素和求每个区域的近似微分，舍弃边缘区域
4.筛选极大值作为疑似目标区域中心