opencv python边缘检测和轮廓提取

---

前言

opencv中的边缘检测和轮廓提取都是图像识别的重要部分

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、边缘检测

Canny边缘检测算子是一个多级边缘检测算法，Canny的目标是找到一个最优的边缘检测算法，其评价标准为：低错误率、高定位性、最小响应。

Canny边缘检测步骤
Canny函数
Python:
edges = cv.Canny( image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]] )
image 源图像，需是单通道8位图像
edges 输出的边缘图像，需和源图像具有一样的大小和类型
threshold1 第一个滞后性阀值，double
threshold2 第二个滞后性阀值，double
apertureSize 应用Sobel算子孔径大小，默认值：3
L2gradient a flag, indicating whether a more accurate L 2 norm =(dI/dx) 2 +(dI/dy) 2 − − − − − − − − − − − − − − − − √ should be used to calculate the image gradient magnitude ( L2gradient=true ), or whether the default L 1 norm =|dI/dx|+|dI/dy| is enough ( L2gradient=false ).

import cv2 as cv
import numpy as np


def edge_demo(image):
    blurred = cv.GaussianBlur(image, (3, 3), 0)  # 高斯模糊
    gray = cv.cvtColor(blurred,cv.COLOR_BGR2GRAY)  # 灰路图像
    xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)  # xGrodient
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)  # yGrodient
    edge_output = cv.Canny(xgrad, ygrad, 100, 150)  # edge
    cv.imshow("Canny Edge",edge_output)

    # #  彩色边缘
    # dst = cv.bitwise_and(image, image, mask=edge_output)
    # cv.imshow("Color Edge", dst)


src=cv.imread("D:\\1111.png")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
edge_demo(src)
cv.waitKey(0)


cv.destroyAllWindows()

二、轮廓提取

1.非边缘检测轮廓提取

先将图片进行高斯模糊，然后变成灰路图像，再将图片二值化，最后将图片进行轮廓提取。

代码如下（示例）：
这个方法有一个缺点就是自动二值化的阙值会对轮廓提取产生影响，虽然可以自己定义阙值，但是不能每一章照片进行一次调节。

import cv2 as cv
def contours_demo(image):
      blurred = cv.GaussianBlur(image, (3, 3), 0)
      gray = cv.cvtColor(blurred, cv.COLOR_RGB2GRAY)  # 灰路图像
     # ret , binary = cv.threshold(gray, 0, 255,cv.THRESH_BINARY| cv.THRESH_OTSU) # 图像二值化
      ret, binary = cv.threshold(gray, 68, 255, cv.THRESH_BINARY )  # 图像二值化
      cv.imshow("binary image",binary)


      contours, heriachy = cv.findContours(binary,cv.RETR_LIST,cv.CHAIN_APPROX_SIMPLE)
      for i, contour in enumerate(contours):
            cv.drawContours(image,contours,i,(0,0,255),6)   #6的改为-1可以填充
            print(i)
      cv.imshow("detect contours", image)


src=cv.imread("D:\\1111.png")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
#cv.imshow("input image",src)
contours_demo(src)
cv.waitKey(0)

cv.destroyAllWindows()

2.边缘检测和轮廓调节

代码如下（示例）：

import cv2 as cv


def edge_demo(image):
    blurred = cv.GaussianBlur(image, (3, 3), 0)  # 高斯模糊
    gray = cv.cvtColor(blurred,cv.COLOR_BGR2GRAY)  # 灰路图像
    xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)  # xGrodient
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)  # yGrodient
    edge_output = cv.Canny(xgrad, ygrad, 100, 150)  # edge
    return edge_output
    def contours_demo(image):
     #  blurred = cv.GaussianBlur(image, (3, 3), 0)
     #  gray = cv.cvtColor(blurred, cv.COLOR_RGB2GRAY)  # 灰路图像
     # # ret , binary = cv.threshold(gray, 0, 255,cv.THRESH_BINARY| cv.THRESH_OTSU) # 图像二值化
     #  ret, binary = cv.threshold(gray, 68, 255, cv.THRESH_BINARY )  # 图像二值化
     #  cv.imshow("binary image",binary)

      binary = edge_demo(image)

      contours, heriachy = cv.findContours(binary,cv.RETR_LIST,cv.CHAIN_APPROX_SIMPLE)
      for i, contour in enumerate(contours):
            cv.drawContours(image,contours,i,(0,0,255),6)   #6的改为-1可以填充
            print(i)
      cv.imshow("detect contours", image)


src=cv.imread("D:\\1111.png")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
#cv.imshow("input image",src)
contours_demo(src)
cv.waitKey(0)

cv.destroyAllWindows()

这样就可以避免掉方法一产生的问题，并且还可以很好的实现轮廓的提取

---

总结

鸣谢
https://blog.csdn.net/weixin_42261213/article/details/93990410
https://blog.csdn.net/miao0967020148/article/details/88623631