• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    OpenCV中Canny边缘检测的实现

    边缘检测一般是识别目标图像中亮度变化明显的像素点. 因为显著变化的像素点通常反映了图像变化比较重要的地方.

    1. Canny 边缘检测理论

    Canny 是一种常用的边缘检测算法. 其是在 1986 年 John F.Canny 提出的.
    Canny 是一种 multi-stage 算法,分别如下:

    具体流程:

    1.1、高斯滤波

    高斯滤波最重要的还是卷积核核,通常使用高斯平滑滤波器卷积降噪,这里以size=3的高斯内核为例:这里做了归一化处理(元素和为 1)

    高斯去噪其实就是一个低通滤波器,滤除高频噪声。

    1.2、Sobel算子计算梯度和方向

    计算方法:

    这里 是指水平方向的掩码模板,是指垂直方向的掩码模板。根据上面的模板可以计算出图像梯度幅值和方向。

    1.3、非极大值抑制(定位准确的边缘同时可缩小边缘线宽)

    非极大值抑制是进行边缘检测的重要步骤,通俗的来说,就是获取局部的最大值,将非极大值所对应的灰度值设置为背景像素点。像素邻近区域满足梯度值的局部最优值判断为该像素的边缘,对非极大值相关信息进行抑制。利用这个准则可以剔除大部分的非边缘点。

    简单的说呢?就是保留梯度大的像素点点,对于那些在边缘旁边的杂散点,梯度相对较小,利用非极大值抑制就可以很好的去除杂散点。

    1.4、双阈值检测

    这里的双阈值并不是说介于阈值之间的像素保留,外面的的去除。这里的阈值检测有所不同。

    分析:

    根据上面的分析,我们可以得出来:A, D点位边界; B, C点不是边界。

    注意:

    具体这两个值怎么设置,我们就要分析两个值变化对图像的影响。

    下面以 video = cv2.Canny(img, 80, 250) 为例:分别增大minVal和maxVal。

    增大minVal: (边界出现缺损)

    增大maxVal: (边界出现成片消失,边界信息完整)

    总结:

    在实际应用中,观察梯度图像,如果边界信息缺损,那么适当的减小minVal;如果有不想要的区域出现,那么适当的增加MaxVal。

    2. OpenCV 之 Canny 边缘检测

    OpenCV 提供了 cv2.canny() 函数.

    edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])

    具体代码:

    import cv2
    import numpy as np
    import matplotlib.pyplot as plt
     
    img = cv2.imread('test.jpg', 0)
    edges = cv2.Canny(img, 100, 200)
     
    plt.subplot(121), plt.imshow(img, cmap='gray')
    plt.title('Original Image'), plt.xticks([]), plt.yticks([])
     
    plt.subplot(122),plt.imshow(edges,cmap = 'gray')
    plt.title('Edge Image'), plt.xticks([]), plt.yticks([])
     
    plt.show()

    带 minVal 和 maxVal 滑动条的使用:

    import numpy as np
    import cv2
     
    def nothing(x):
        pass
     
    img=cv2.imread('test.jpg',0)
     
    cv2.namedWindow('res')
    cv2.createTrackbar('min','res',0,25,nothing)
    cv2.createTrackbar('max','res',0,25,nothing)
    while(1):
        if cv2.waitKey(1)  0xFF == 27:
            break
        maxVal=cv2.getTrackbarPos('max','res')
        minVal=cv2.getTrackbarPos('min','res')
        canny=cv2.Canny(img,10*minVal,10*maxVal)
        cv2.imshow('res',canny)
    cv2.destroyAllWindows()

    到此这篇关于OpenCV中Canny边缘检测的实现的文章就介绍到这了,更多相关OpenCV Canny边缘检测内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

    您可能感兴趣的文章:
    • Python OpenCV实现边缘检测
    • Python实现Opencv cv2.Canny()边缘检测
    • 使用Python中OpenCV和深度学习进行全面嵌套边缘检测
    • OpenCV实现灰度、高斯模糊、边缘检测的示例
    • Python使用Opencv实现边缘检测以及轮廓检测的实现
    • 如何利用Python 进行边缘检测
    • python实现canny边缘检测
    • OpenCV半小时掌握基本操作之边缘检测
    上一篇:Python实现Opencv cv2.Canny()边缘检测
    下一篇:Python中collections.Counter()的具体使用
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    OpenCV中Canny边缘检测的实现 OpenCV,中,Canny,边缘,检测,