opencv python边缘检测和轮廓提取

最新推荐文章于 2024-08-08 09:30:00 发布

AugustChihiro

最新推荐文章于 2024-08-08 09:30:00 发布

阅读量1.1w

点赞数 11

文章标签： opencv python 计算机视觉

本文链接：https://blog.csdn.net/qq_47566416/article/details/112501149

版权

文章目录

前言
一、边缘检测
二、轮廓提取
- 1.非边缘检测轮廓提取
- 2.边缘检测和轮廓调节
总结

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 Ed