OpenCV图像处理——边缘检测

最新推荐文章于 2024-08-26 16:16:13 发布

lzh~

最新推荐文章于 2024-08-26 16:16:13 发布

阅读量408

点赞数

分类专栏：深度学习 Python # OpenCV 文章标签： opencv

本文链接：https://blog.csdn.net/weixin_44635198/article/details/127887682

版权

Python 同时被 3 个专栏收录

41 篇文章 2 订阅

订阅专栏

深度学习

38 篇文章 15 订阅

订阅专栏

OpenCV

29 篇文章 6 订阅

订阅专栏

本文深入探讨了Canny边缘检测算法，包括高斯滤波、梯度计算、非极大值抑制、双阈值检测等步骤。通过案例展示不同阈值设置下对图像边缘检测的影响，揭示了阈值选择对细节保留的重要性。案例中对比了两种阈值组合下的边缘检测结果，展示了如何在保持边缘清晰的同时减少噪声。

摘要由CSDN通过智能技术生成

总目录

图像处理总目录←点击这里

八、边缘检测

Canny边缘检测

使用高斯滤波器，以平滑图像，滤除噪声。
计算图像中每个像素点的梯度强度和方向。
应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。
应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。
通过抑制孤立的弱边缘最终完成边缘检测。

8.1、高斯滤波器

在这里插入图片描述

8.2、梯度和方向

在这里插入图片描述

8.3、非极大值抑制

在这里插入图片描述

8.4、双阈值检测

在这里插入图片描述

8.5、代码检测结果

阈值范围越大（maxval大，minval很小），细节之处越多

案例一

**两张图：**左边阈值80-150，右边阈值50-100

def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()

img=cv2.imread("./image/lena.jpg",cv2.IMREAD_GRAYSCALE)

v1=cv2.Canny(img,80,150)
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))
cv_show(res,'res')

在这里插入图片描述

案例二

**两张图：**左边阈值120-250，右边阈值50-100

img=cv2.imread("./image/car.png",cv2.IMREAD_GRAYSCALE)

v1=cv2.Canny(img,120,250)
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))
cv2.imwrite('res.png', res)
cv_show(res,'res')