OpenCV图像处理(十四)---边缘检测

最新推荐文章于 2024-08-04 17:32:06 发布

fengyuxie

最新推荐文章于 2024-08-04 17:32:06 发布

阅读量1.1k

点赞数

本文链接：https://blog.csdn.net/xyl666666/article/details/105911602

版权

热力学第二定律（second law of thermodynamics），热力学基本定律之一，克劳修斯表述为：热量不能自发地从低温物体转移到高温物体。开尔文表述为：不可能从单一热源取热使之完全转换为有用的功而不产生其他影响。熵增原理：不可逆热力过程中熵的微增量总是大于零。在自然过程中，一个孤立系统的总混乱度（即“熵”）不会减小。

科普

知识

前言

五一到了，大家放松的同时不要忘记学习哦。在上一期的文章中，我们学习了图像的滤波知识，了解到滤波的作用之一就是降噪，因此，滤波成为了众多图像处理任务中的首要操作，大家切记哦，今天，我们继续来学习图像的新知识--边缘检测。

一、边缘检测

1.边缘检测简介

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括（i）深度上的不连续、（ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。

以上用一句话总结：边缘检测实际就是检测图像中亮度变化有区别或者较大的地方，实际效果表现为图像中的轮廓检测。

1.1 原始图片

（各式各样的水果）

（晨间的森林，也是小编向往的地方之一）

1.2 代码实践

（1）Canny边缘检测

Canny边缘检测是一种非常流行的边缘检测算法，它是一个多阶段的算法，即由图像降噪，计算图像梯度，非极大值抑制，阈值筛选是个步骤构成，换句话说，只要使用这个算法，我们就会经过四个处理步骤，幸运的是，OpenCV已经为我们实现了这个函数，只要调用就可以了，一起来看看吧！

（2）Sobel边缘检测

主要用作边缘检测，在技术上，它是一离散性差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或是其法矢量。

# -*- coding:utf8 -*-
import cv2


# Canny边缘检测算子
src_image = cv2.imread('img1.jpg')
# 读取图片转换为为灰度图像
image_gray = cv2.cvtColor(src_image,cv2.COLOR_BGR2GRAY)
# 边缘检测之前先进行滤波，降噪，滤波方式为高斯滤波
filter_image = cv2.GaussianBlur(image_gray, (5, 5), 0)  
# 调用canny算子，进行边缘检测 48,170是一个调整范围，根据实际情况选用
canny_image = cv2.Canny(filter_image, 48, 170)  # 48是最小阈值,170是最大阈值






# Sobel边缘检测算子，之前的文章讲到过，这里拿来直接使用
x = cv2.Sobel(image_gray, cv2.CV_16S, 1, 0)
y = cv2.Sobel(image_gray, cv2.CV_16S, 0, 1)
Scale_absX = cv2.convertScaleAbs(x)  
Scale_absY = cv2.convertScaleAbs(y)
# 此处采用图像融合函数得到sobel检测结果
Sobel_image = cv2.addWeighted(Scale_absX, 0.5, Scale_absY, 0.5, 0)




cv2.imshow('src_image', src_image)
cv2.imshow('canny_image', canny_image)
cv2.imshow('Sobel_image', Sobel_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码解读：从第一段代码中，我们可以看到，代码首先对输入的图像进行了高斯滤波，然后调用了canny算子进行边缘检测，cv2.Canny（）函数通常为三个参数（也有其他参数，较少使用哦），第一个为需要进行边缘检测的图像，第二三个参数分别为检测的上下限（最小阈值，最大阈值）。

1.3 效果展示