边缘检测
canny边缘检测
具体步骤如下:
-
使用5×5高斯滤波消除噪声
边缘检测本身属于锐化操作,对噪点比较敏感,所以需要进行平滑处理。
-
计算图像的梯度方向
首先使用Sobel算子计算两个方向上的梯度GxGx和GyGy,然后算出梯度的方向:
保留这四个方向的梯度:0°/45°/90°/135° -
取局部极大值
梯度其实已经表示了轮廓,但为了进一步筛选,可以在上面的四个角度方向上再取局部极大值:
比如,A点在45°方向上大于B/C点,那就保留它,把B/C设置为0。 -
滞后阈值:
经过前面三步,就只剩下0和可能的边缘梯度值了,为了最终确定下来,需要设定高低阈值:
-
像素点的值大于最高阈值,那肯定是边缘(上图A)
-
同理像素值小于最低阈值,那肯定不是边缘
-
像素值介于两者之间,如果与高于最高阈值的点连接,也算边缘,所以上图中C算,B不算
Canny推荐的高低阈值比在2:1到3:1之间。
程序实现:
cv2.Canny()进行边缘检测,参数2、3表示最低、高阈值。
import cv2
import numpy as np
img = cv2.imread('handwriting.jpg', 0)
edges = cv2.Canny(img, 30, 70) # canny边缘检测
cv2.imshow('canny', np.hstack((img, edges)))
cv2.waitKey(0)
注:先阈值分割再边缘检测效果会更好
参考博客:https://github.com/ex2tron/OpenCV-Python-Tutorial/tree/master/11.%20边缘检测
.