import cv2 as cv
import numpy as np
def edge_demo(image):
blurred = cv.GaussianBlur(image, (3, 3), 0) # 高斯模糊,平滑处理原图像降噪
gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY) # 转为灰度
xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0) # x的梯度
ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1) # y的梯度
edge_output = cv.Canny(xgrad, ygrad, 50, 150) # Canny只接受单通道图像作为输入
'''
def Canny(image: Any, # 需要处理的原图像,该图像必须为单通道的灰度图
threshold1: Any, # 第一个阈值
threshold2: Any, # 第二个阈值
edges: Any = None, # 单通道存储边缘的输出图像
apertureSize: Any = None, # Sobel 算子内核大小
L2gradient: Any = None) -> None # 一个布尔值,如果为True,刚使用更精确的L2范数进行计算(即两个方向的倒数的平方和再开方。
# False将使用L1范数(直接将两个方向导数的绝对值相加)。
threshold2 是较大的阈值,用于检测图像中明显的边缘,但一般情况下检测的效果不会那么完美,边缘检测出来是断断续续的。
所以这时候用较小的 threshold1(第一个阈值)用于将这些间断的边缘连接起来。
'''
cv.imshow("Canny Edge", edge_output)
dst = cv.bitwise_and(image, image, mask=edge_output)
cv.imshow("Color Edge", dst)
src = cv.imread("C:/Users/admin/Pictures/Saved Pictures/3.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
edge_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
或者这种写法:
def edge_demo(image):
blurred = cv.GaussianBlur(image, (3, 3), 0) # 高斯模糊,平滑处理原图像降噪
edge_output = cv.Canny(blurred, 50, 150) # Canny只接受单通道图像作为输入
'''
def Canny(image: Any, # 需要处理的原图像,该图像必须为单通道的灰度图
threshold1: Any, # 第一个阈值
threshold2: Any, # 第二个阈值
edges: Any = None, # 单通道存储边缘的输出图像
apertureSize: Any = None, # Sobel 算子内核大小
L2gradient: Any = None) -> None # 一个布尔值,如果为True,刚使用更精确的L2范数进行计算(即两个方向的倒数的平方和再开方。
# False将使用L1范数(直接将两个方向导数的绝对值相加)。
threshold2 是较大的阈值,用于检测图像中明显的边缘,但一般情况下检测的效果不会那么完美,边缘检测出来是断断续续的。
所以这时候用较小的 threshold1(第一个阈值)用于将这些间断的边缘连接起来。
'''
cv.imshow("Canny Edge", edge_output)
dst = cv.bitwise_and(image, image, mask=edge_output)
cv.imshow("Color Edge", dst)