OpenCV入门（16）：图片的边缘检测

1. OpenCV API : GaussianBlur ; Canny

边缘检测算法： 1. gray 2. 高斯滤波 3. canny

import cv2
import numpy as np
import random

img = cv2.imread("./mm1.jpg",1)
cv2.imshow("src",img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]

# 边缘检测canny算法（基本都是基于灰度图像来处理的）
# 1. gray  2. 高斯滤波  3. canny
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
imgG = cv2.GaussianBlur(gray,(3,3),0)
dst = cv2.Canny(img,50,50)
# 第一个参数：数据； 第二个参数：图片的两个门限：如果图片经过卷积之后的值大于这个门限，我们就认为是边缘点

cv2.imshow("dst",dst)
cv2.waitKey(0)

2. 边缘检测算法（Python实现）

import cv2
import numpy as np
import random
import math

img = cv2.imread("./mm1.jpg",1)
cv2.imshow("src",img)
imgInfo = img.shape
height = imgInfo[0]
width = imgInfo[1]

# sobel算子原理（Python实现）
# [ 1  2  1            [ 1  0  -1
#   0  0  0              2  0  -2
#  -1 -2 -1 ]            1  0  -1 ]

gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
dst = np.zeros((height,width,1),np.uint8)
for i in range(0,height-2):
    for j in range(0,width-2):
        gy = gray[i,j]*1 + gray[i,j+1]*2 + gray[i,j+2]*1 - gray[i+2,j]*1 - gray[i+2,j+1]*2 - gray[i+2,j+2]*1
        gx = gray[i,j]*1 - gray[i,j+2]*1 + gray[i+1,j]*2 - gray[i+1,j+2]*2 + gray[i+2,j]*1 - gray[i+2,j+2]*1
        grad = math.sqrt(gx*gx + gy*gy)
        if grad > 50:
            dst[i,j] = 255
        else:
            dst[i,j] = 0

cv2.imshow("dst",dst)
cv2.waitKey(0)