opencv边缘检测canny_python opencv canny菜鸟-CSDN博客

本文链接：https://blog.csdn.net/weixin_45839124/article/details/108945083

本文介绍了如何使用OpenCV进行图像处理，包括将RGB图像转为灰度、应用高斯滤波，并详细解读了Canny边缘检测算法的原理和参数选择。通过实例展示了Canny函数的使用及其在实际图像处理中的效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

opencv边缘检测canny

边缘检测时需要先将图像处理成灰度图像。
下一步是高斯滤波，后续会讲解。

import cv2
import numpy as np
import random

img0 = cv2.imread(r"C:\Users\lenovo\Desktop\python\python_vision\image.jpg",1)

imgInfo = img0.shape
height = imgInfo[0]
weight = imgInfo[1]

# 转换灰度图像   2.高斯滤波    3.canny算法
gray = cv2.cvtColor(img0,cv2.COLOR_RGB2GRAY)
imgG = cv2.GaussianBlur(gray,(3,3),0)
dst = cv2.Canny(imgG,50,50)

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

在这里插入图片描述

OpenCV-Python中Canny函数的原型为：

edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])

必要参数：
第一个参数是需要处理的原图像，该图像必须为单通道的灰度图；
第二个参数是阈值1；
第三个参数是阈值2。
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。
可选参数中apertureSize就是Sobel算子的大小。而L2gradient参数是一个布尔值，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放），否则使用L1范数（直接将两个方向导数的绝对值相加）。