Python实现基于canny算子的EdgeDetection(边缘提取)

最新推荐文章于 2023-12-22 15:16:45 发布

原创

最新推荐文章于 2023-12-22 15:16:45 发布 · 1.3k 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #python #opencv #机器学习 #深度学习

本文介绍了使用Python和OpenCV库实现Canny边缘检测的方法，包括读取图像、计算梯度、非极大值抑制（NMS）和双阈值边缘追踪等步骤。详细注释贯穿代码，帮助理解每个阶段的操作。

Python实现基于canny算子的EdgeDetection(边缘提取) Python 语言实现

代码中含有详细注释

# 引入需要用的第三方库
import numpy as np
import cv2

读取图像

# 读取图像并resize
# 原图太大，做 NMS 时有点慢，resize 到（512，512）可节省时间
img = cv2.imread("./picture.jpg",0)
img = cv2.resize(img,(512,512))
x = img.shape[0]
y = img.shape[1]
img.shape

输出结构：
在这里插入图片描述
输出结果时图下的尺寸。

滤波（降噪）optional，我没有进行滤波操作，但是抛出代码。

# 定义高斯核
G_kernal = np.array([[1,1,1],[1,0,1],[1,1,1]])
# 高斯滤波操作
for i in range(1,x-1):
    for j in range(1,y-1):
        img[i,j] = ((img[i-1,j-1]*G_kernal[0,0])+(img[i-1,j]*G_kernal[0,1])+(img[i-1,j+1]*G_kernal[0,2])+(img[i,j-1]*G_kernal[1,0])+(img[i,j]*G_kernal[1,1])+(img[i,j+1]*G_kernal[1,2])+(img[i+1,j-1]*G_kernal[2,0])+(img[i+1,j]*G_kernal[2,1])+(img[i+1,j+1