Canny边缘检测 双阈值检测理解

本文通过实际代码展示了如何使用OpenCV库中的Canny函数进行边缘检测,比较了不同阈值(minVal和maxVal)对图像细节的影响。结果表明,合适的阈值可以突出图像关键特征,而过高的或过低的阈值可能导致信息丢失。
摘要由CSDN通过智能技术生成

问题引入

我们用一个实际例子来引入问题

import cv2
import numpy  as np

img=cv2.imread("test.png",cv2.IMREAD_GRAYSCALE)
# 修改图像大小
show = cv2.resize(img,(500,500))

v1=cv2.Canny(show,120,250)
v2=cv2.Canny(show,50,100)

# 连接图像
res = np.hstack((v1,v2))
cv2.imshow("img",res)
cv2.waitKey()
cv2.destroyAllWindows()

我们来看看结果

我们可以看到右边的图像有很多细节在左边的图像中没有展现出来

解释原理

主要实现函数:

cv2.Canny(src,minVal,maxVal)

minVal   最小

maxVal   最大


舍去了,就表示在图片上不会展示了,直接消失了!

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

打赏作者

zhuyua

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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