Python OpenCV -- Canny 边缘检测 (十一)

Canny 边缘检测

原理

  Canny 边缘检测算法 是 John F. Canny 于 1986年开发出来的一个多级边缘检测算法,也被很多人认为是边缘检测的 最优算法, 最优边缘检测的三个主要评价标准是:

  低错误率: 标识出尽可能多的实际边缘,同时尽可能的减少噪声产生的误报。
  高定位性: 标识出的边缘要与图像中的实际边缘尽可能接近。
  最小响应: 图像中的边缘只能标识一次。


步骤

 1. 消除噪声。 使用高斯平滑滤波器卷积降噪。 下面显示了一个 size = 5 的高斯内核示例:

                                                Python OpenCV -- Canny 边缘检测 (十一)_第1张图片

 2.计算梯度幅值和方向。 此处,按照Sobel滤波器的步骤:

   a. 运用一对卷积阵列 (分别作用于 x 和 y 方向):

                                                            Python OpenCV -- Canny 边缘检测 (十一)_第2张图片

   b.使用下列公式计算梯度幅值和方向:

                                                              \begin{array}{l}G = \sqrt{ G_{x}^{2} + G_{y}^{2} } \\\theta = \arctan(\dfrac{ G_{y} }{ G_{x} })\end{array}

        梯度方向近似到四个可能角度之一(一般 0, 45, 90, 135)

 

  3. 非极大值 抑制。 这一步排除非边缘像素, 仅仅保留了一些细线条(候选边缘)。

  4.滞后阈值: 最后一步,Canny 使用了滞后阈值,滞后阈值需要两个阈值(高阈值和低阈值):

     a. 如果某一像素位置的幅值超过 高 阈值, 该像素被保留为边缘像素。
     b. 如果某一像素位置的幅值小于 低 阈值, 该像素被排除。
     c. 如果某一像素位置的幅值在两个阈值之间,该像素仅仅在连接到一个高于 高 阈值的像素时被保留。
     

    Canny 推荐的 高:低 阈值比在 2:1 到3:1之间。


使用

OpenCV Python  中 Canny 函数原型

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

edge  --  函数返回 一副二值图(黑白),其中包含检测出来的边缘

image --   需要处理的原图像,该图像必须为单通道的灰度图
threshold1  --  阈值1

threshold2  --  阈值2


  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。


apertureSize  --  Sobel 算子的大小。

L2gradient   --  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放), False 将使用L1 范数(直接将两个方向导数

的绝对值相加)。


示例1(静态检测)

#!/usr/bin/env python  
# encoding: utf-8  
import cv2  
import numpy as np 

img = cv2.imread("2.jpg", 0)  #Canny只能处理灰度图,所以将读取的图像转成灰度图
  
img = cv2.GaussianBlur(img,(3,3),0) #高斯平滑处理原图像降噪 
canny = cv2.Canny(img, 50, 150)     #apertureSize默认为3
  
cv2.imshow('Canny', canny)  
cv2.waitKey(0)  
cv2.destroyAllWindows()  

效果图:

Python OpenCV -- Canny 边缘检测 (十一)_第3张图片


示例2(动态检测)

#!/usr/bin/env python  
# encoding: utf-8  
import cv2  
import numpy as np 

def CannyThreshold(lowThreshold):  
    detected_edges = cv2.GaussianBlur(gray,(3,3),0)  
    detected_edges = cv2.Canny(detected_edges,lowThreshold,lowThreshold*ratio,apertureSize = kernel_size)  
    dst = cv2.bitwise_and(img,img,mask = detected_edges)  # just add some colours to edges from original image.  
    cv2.imshow('canny demo',dst)  
  
lowThreshold = 0  
max_lowThreshold = 100  
ratio = 3  
kernel_size = 3  
  
img = cv2.imread('2.jpg')  
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)  
  
cv2.namedWindow('canny demo')  
  
cv2.createTrackbar('Min threshold','canny demo',lowThreshold, max_lowThreshold, CannyThreshold)  
  
CannyThreshold(0)  # initialization  
if cv2.waitKey(0) == 27:  
    cv2.destroyAllWindows()  







参考和转载:

 程序使用的是 sunny2038 的,最后那个链接就是他的博客

http://wiki.opencv.org.cn/index.php/Canny%E8%BE%B9%E7%BC%98%E6%A3%80%E6%B5%8B

http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/imgtrans/canny_detector/canny_detector.html

http://blog.csdn.net/sunny2038/article/details/9202641

你可能感兴趣的:(Python,OpenCV)