在OpenCV中使用Canny边缘检测

最新推荐文章于 2024-05-04 16:45:46 发布

woshicver

最新推荐文章于 2024-05-04 16:45:46 发布

阅读量523

点赞数 1

文章标签： opencv 计算机视觉 python 人工智能图像处理

本文链接：https://blog.csdn.net/woshicver/article/details/130633565

版权

本文介绍了如何在Python中使用OpenCV库的Canny算法进行边缘检测。通过高斯平滑减少噪声，计算梯度，应用非极大值抑制，选择阈值，实现图像的边缘检测。讨论了确定阈值的挑战，并提供了一个自动边缘检测的函数，该函数基于图像的中位数和sigma值来确定合适的阈值，从而获得清晰的边缘效果。

摘要由CSDN通过智能技术生成

边缘检测是非常常见和广泛使用的图像处理，对于许多不同的计算机视觉应用非常必要，如数据提取，图像分割，在更细粒度的特征提取和模式识别中。它降低了图像中的噪声和细节数量，但保留了图像的结构。

Python中的Canny边缘检测是计算机视觉中最流行的边缘检测方法之一。以下是Canny边缘检测的步骤：

1.使用高斯平滑来减少噪声

2.计算梯度

3.应用非极大值抑制以减少噪声

4.找到上下阈值

5.应用阈值。

幸运的是，OpenCV库有cv2.canny()函数，可为我们执行Canny边缘检测。

在本文中，我们将直接使用OpenCV执行边缘检测。

import cv2 
import matplotlib.pyplot as plt

我们将使用以下图片进行今天的教程：

Canny边缘检测的第一步是应用高斯模糊。在模糊之前，将图像转换为灰度也很重要：

image = cv2.imread("meter.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)

现在，我们可

关注