cv2.Canny 边缘检测

Canny边缘检测

 

Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是：

• 好的检测 - 算法能够尽可能多地标识出图像中的实际边缘。
• 好的定位 - 标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近。
• 最小响应 - 图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。

 

函数原型

 

1 edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])

 

 

参数解释

• image：源图像
• threshold1：阈值1
• threshold2：阈值2
• apertureSize：可选参数，Sobel算子的大小

其中，较大的阈值2用于检测图像中明显的边缘，但一般情况下检测的效果不会那么完美，边缘检测出来是断断续续的。所以这时候用较小的第一个阈值用于将这些间断的边缘连接起来。

函数返回的是二值图，包含检测出的边缘

 

使用

 1 import numpy as np
 2 import cv2 as cv
 3 cv.namedWindow("images")
 4 def nothing():
 5     pass
 6 cv.createTrackbar("s1","images",0,255,nothing)
 7 cv.createTrackbar("s2","images",0,255,nothing)
 8 img = cv.imread("test/scene2.png",0)
 9 while(1):
10     s1 = cv.getTrackbarPos("s1","images")
11     s2 = cv.getTrackbarPos("s2","images")
12     out_img = cv.Canny(img,s1,s2)
13     cv.imshow("img",out_img)
14     k = cv.waitKey(1)&0xFF
15     if k==27:
16         break
17 cv.destroyAllWindows()

 

转载于:https://www.cnblogs.com/aoru45/p/9763988.html