python-opencv[图像处理-边缘检测Canny]

文章介绍了图像边缘轮廓提取的重要性,特别讨论了Sobel和Canny两种算法。Sobel算法用于边缘轮廓提取,而Canny算法则包括高斯滤波、梯度计算、非极大值抑制和滞后阈值步骤,提供了较好的边缘检测效果。文中给出了使用OpenCV库在Python中实现Canny算法的代码示例。
摘要由CSDN通过智能技术生成

图像边缘轮廓提取

图像边缘是存有图像的重要信息,边缘轮廓的提取无异于是重点,记录下sobel边缘轮廓提取算法的实现步骤。

canny边缘轮廓提取算法

canny算法目前是边缘检测效果较好的算法,第一步是进行高斯滤波,第二步是计算图像梯度(大小和方向都需要计算),接着是非极大值抑制,最后是滞后阈值,筛选边缘点。
代码:

import cv2 as cv
import numpy as np
import  matplotlib.pyplot as plot
img=cv.imread(r"F:\zhouwang\2\test-image\0501.jpg",0)
img3=cv.Canny(img,400,780)#400,700表示高低阈值
plot.imshow(img3,cmap=plot.cm.gray)
plot.show()

canny处理前:
在这里插入图片描述
canny边缘检测:
在这里插入图片描述

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python-opencv品质检测算法可以分为两类:基于图像处理技术和基于机器学习技术。 1. 基于图像处理技术的品质检测算法: (1) 图像去噪算法: 例如高斯滤波、中值滤波、双边滤波等,可以去除图像中的噪声。 (2) 图像增强算法: 例如直方图均衡化、自适应直方图均衡化、拉普拉斯算子增强等,可以增强图像的亮度和对比度。 (3) 边缘检测算法: 例如Sobel算子、Canny算子等,可以检测图像中的边缘。 (4) 形态学处理算法: 例如膨胀、腐蚀、开运算、闭运算等,可以去除图像中的小噪点和孔洞。 (5) 特征提取算法: 例如颜色直方图、纹理特征、形状特征等,可以提取图像的特征信息。 2. 基于机器学习技术的品质检测算法: (1) 支持向量机(SVM)算法: SVM算法可以通过训练数据集,学习到一种分类模型,用于分类任务。 (2) 决策树算法: 决策树算法可以通过训练数据集,学习到一种分类模型,用于分类任务。 (3) 随机森林算法: 随机森林算法是一种集成学习算法,它可以通过多个决策树模型的投票来进行分类任务。 (4) 深度学习算法: 深度学习算法可以通过深度神经网络模型,学习到一种分类模型,用于分类任务。 以上是常用的python-opencv品质检测算法,您可以根据具体需求选择合适的算法进行实现。如果您还有其他问题,请随时向我提问。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值