OpenCV自学笔记3：Canny边缘检测

Canny边缘检测

引言
OpenCV提供了Canny边缘检测函数，只用一行代码就能实现图像的边缘检测，看到这里你是不是很激动呢？

—————————————————————————-

Canny边缘检测实例

# -*- coding:utf-8 -*-

import cv2

image = cv2.imread('images/test.jpg')
cv2.namedWindow("Image")

# Canny函数，三个参数：源图像，低阈值，高阈值
image = cv2.Canny(image, 200, 300)

cv2.imshow("Image", image)

cv2.waitKey(0)

程序的运行结果如下：

—————————————————————————-

自己写一个小Demo 模拟边缘检测

# -*- coding:utf-8 -*-

import cv2
import numpy as np

image = cv2.imread('images/test.jpg')

# Step1. 自定义Sobel卷积核
kernel_x = np.array([[-1, 0, 1],
                   [-2, 0, 2],
                   [-1, 0, 1]])

kernel_y = np.array([[1, 2, 1],
                [0, 0, 0],
                [-1, -2, -1]])

# Step2. 初始化中间结果矩阵
gx = np.zeros(image.shape, dtype = np.uint8)
gy = np.zeros(image.shape, dtype = np.uint8)

# Step3. 使用自定义的卷积核进行卷积
cv2.filter2D(image, -1, kernel_x, gx)
cv2.filter2D(image, -1, kernel_y, gy)
# 显示卷积的中间结果
cv2.imshow("gx", gx)
cv2.imshow("gy", gy)

# Step4. 合并两个图像
gx = cv2.addWeighted(gx, 0.5, gy, 0.5, 0)
cv2.imshow("gx2", gx)

# Step5. 阈值抑制处理
thresh = 50 #阈值设置为50
ret, dst = cv2.threshold(gx, thresh, 255, cv2.THRESH_BINARY)
cv2.imshow("ss", dst)

cv2.waitKey(0)

程序的运行结果如下：

可以看到，程序简单提取了图像中的边缘。当然，如果要实现完整的Canny边缘检测，还需要进行非极大值抑制和边缘跟踪。

有关Canny边缘检测的C++源码分析，请看这里