python与opencv轮廓识别内外边界_Python使用Opencv实现边缘检测以及轮廓检测的实现...

边缘检测

canny边缘检测器是一种被广泛使用的算法，并被认为是边缘检测最优的算法，该方法使用了比高斯差分算法更复杂的技巧，如多向灰度梯度和滞后阈值化。

canny边缘检测器算法基本步骤：

平滑图像：通过使用合适的模糊半径执行高斯模糊来减少图像内的噪声。

计算图像的梯度：这里计算图像的梯度，并将梯度分类为垂直、水平和斜对角。这一步的输出用于在下一步中计算真正的边缘。

非最大值抑制：利用上一步计算出来的梯度方向，检测某一像素在梯度的正方向和负方向上是否是局部最大值，如果是，则抑制该像素(像素不属于边缘)。这是一种边缘细化技术，用最急剧的变换选出边缘点。

用滞后阈值化选择边缘：最后一步，检查某一条边缘是否明显到足以作为最终输出，最后去除所有不明显的边缘。

opencv使用canny边缘检测相对简单，代码如下：

import cv2

import numpy as np

img = cv2.imread("hammer.jpg", 0)

cv2.imwrite("canny.jpg", cv2.canny(img, 200, 300))

cv2.imshow("canny", cv2.imread("canny.jpg"))

cv2.waitkey()

cv2.destroyallwindows()

运行结果：

canny函数的原型为

cv2.canny(image, threshold1, threshold2[, edges[, aperturesize[, l2gradient ]]])

必要参数：

第一个参数是需要处理的原图像，该图像必须为单通道的灰度图；

第二个参数是滞后阈值1；

第三个参数是滞后阈值2。

轮廓检测

轮廓检测主要由cv2.findcontours函数实现的。