OpenCV 实现视频边缘检测 —— 张学良下飞机片段的精彩分析

最新推荐文章于 2024-10-21 15:23:11 发布

白山茶0206

最新推荐文章于 2024-10-21 15:23:11 发布

阅读量631

点赞数 3

文章标签： opencv 计算机视觉人工智能

本文链接：https://blog.csdn.net/weixin_52515821/article/details/142694221

版权

在计算机视觉领域，边缘检测是一项重要的任务，它可以帮助我们提取图像或视频中的关键特征。在本文中，我将使用 OpenCV 库对一个包含少帅张学良下飞机片段的视频进行边缘检测，并展示三种不同的边缘检测方法。

一、前期准备

首先，我们需要安装 OpenCV 库。可以通过以下命令进行安装：

pip install opencv-python

二、代码实现与分析

1. Canny 边缘检测与高斯模糊预处理

以下是使用 Canny 边缘检测算法并结合高斯模糊预处理的代码：

import cv2

# 打开视频文件
cap = cv2.VideoCapture(r"C:\Users\17677\Desktop\20241003_172710.mp4")

while True:
    ret, frame = cap.read()
    if not ret:
        break

    # 将彩色图像转换为灰度图像
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

    # 应用高斯模糊预处理
    blurred = cv2.GaussianBlur(gray, (3, 3), 0)

    # 使用 Canny 边缘检测算法，调整阈值
    edges = cv2.Canny(blurred, 40, 160)

    # 显示边缘检测后的图像
    cv2.imshow('Edges', edges)

    # 按下 'q' 键退出循环
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# 释放视频捕获对象和窗口
cap.release()
cv2.destroyAllWindows()

这段代码首先读取视频文件，然后将每一帧转换为灰度图像，接着使用高斯模糊对灰度图像进行预处理，以减少噪声。最后，通过 Canny 边缘检测算法提取图像的边缘，并实时显示在屏幕上。调整阈值可以控制边缘检测的敏感度，这里的阈值设置为 40 和 160，可以根据实际情况进行调整。

2. Sobel 算子边缘检测与二值化处理

接下来是使用 Sobel 算子进行边缘检测并进行二值化处理的代码：

import cv2
import numpy as np

cap = cv2.VideoCapture(r"C:\Users\17677\Desktop\20241003_172710.mp4")

while True:
    ret, frame = cap.read()

    if not ret:
        break

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (9, 9), 1.5)

    # 使用 Sobel 算子
    sobel_x = cv2.Sobel(blurred, cv2.CV_64F, 1, 0, ksize=5)
    sobel_y = cv2.Sobel(blurred, cv2.CV_64F, 0, 1, ksize=5)
    sobel_magnitude = cv2.magnitude(sobel_x, sobel_y)
    sobel_magnitude = cv2.convertScaleAbs(sobel_magnitude)

    # 二值化处理
    _, binary_edges = cv2.threshold(sobel_magnitude, 50, 255, cv2.THRESH_BINARY)

    cv2.imshow("Original Video", frame)
    cv2.imshow("Sobel Edge Detection", binary_edges)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

这段代码在对视频帧进行预处理后，使用 Sobel 算子分别计算水平和垂直方向的梯度，然后计算梯度的幅值。最后，通过二值化处理将幅值图像转换为黑白边缘图像。二值化的阈值设置为 50，可以根据实际情况进行调整。

3. Laplacian 边缘检测与二值化处理

import cv2
import numpy as np

cap = cv2.VideoCapture(r"C:\Users\17677\Desktop\20241003_172710.mp4")

while True:
    ret, frame = cap.read()

    if not ret:
        break

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (1, 1), 1)
    laplacian = cv2.Laplacian(blurred, cv2.CV_64F)
    laplacian_abs = cv2.convertScaleAbs(laplacian)
    _, binary_edges = cv2.threshold(laplacian_abs, 10, 255, cv2.THRESH_BINARY)
    # cv2.imshow("Original Video", frame)
    cv2.imshow("Laplacian Edge Detection", binary_edges)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

这段代码同样先对视频帧进行预处理，然后使用 Laplacian 算子计算图像的二阶导数，以检测边缘。最后，通过二值化处理将结果转换为黑白边缘图像。阈值设置为 10，可以根据实际情况进行调整。