python图像边缘检测系统分析_opencv+python -- 图像边缘检测

图像的边缘检测的原理是检测出图像中所有灰度值变化较大的点，而且这些点连接起来就构成了若干线条，这些线条就可以称为图像的边缘。

算法步骤

1、高斯模糊

2、灰度转换

3、计算梯度

4、非最大信号抑制

5、高低阈值输出二值图像

Code

import cv2 as cv

import numpy

def edge_demo(image):

blurred = cv.GaussianBlur(image, (3, 3), 0)

gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)

# X gradient

x_grad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)

# Y gradient

y_grad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)

edge_output = cv.Canny(x_grad, y_grad, 50, 150)

cv.imshow("Canny Edge", edge_output)

dst = cv.bitwise_and(image, image, mask=edge_output)

cv.imshow("Color edge", dst)

src = cv.imread("./data/lena.jpg", cv.IMREAD_COLOR)

cv.namedWindow("lena", cv.WINDOW_AUTOSIZE)

cv.imshow("lena", src)

edge_demo(src)

cv.waitKey(0)

cv.destroyAllWindows()

API

OpenCV的Canny函数用于在图像中查找边缘，其函数原型有两种：

①直接调用Canny算法在单通道灰度图像中查找边缘，

其函数原型为：Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges

image参数表示8位输入图像。

threshold1参数表示设置的低阈值。

threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。

edges参数表示输出边缘图像，单通道8位图像。

apertureSize参数表示Sobel算子的大小。

L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算(即两个方向的倒数的平方和再开方)，否则使用L1范数(直接将两个方向导数的绝对值相加)。

②使用带自定义图像渐变的Canny算法在图像中查找边缘，

其函数原型为：Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]) -> edges

dx参数表示输入图像的x导数(x导数满足16位，选择CV_16SC1或CV_16SC3)

dy参数表示输入图像的y导数(y导数满足16位，选择CV_16SC1或CV_16SC3)。

threshold1参数表示设置的低阈值。

threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。

edges参数表示输出边缘图像，单通道8位图像。

L2gradient参数表示L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算(即两个方向的倒数的平方和再开方)，否则使用L1范数(直接将两个方向导数的绝对值相加)。