函数原型:
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。
注意:函数返回的是二值图,包含检测出的边缘
示例
import numpy as np
import cv2 as cv
cv.namedWindow("images")
def nothing():
pass
cv.createTrackbar("s1","images",0,255,nothing)
cv.createTrackbar("s2","images",0,255,nothing)
img = cv.imread("test/scene2.png",0)
while(1):
s1 = cv.getTrackbarPos("s1","images")
s2 = cv.getTrackbarPos("s2","images")
out_img = cv.Canny(img,s1,s2)
cv.imshow("img",out_img)
k = cv.waitKey(1)
if k==ord("q"):
break
cv.destroyAllWindows()