python+opencv Canny边缘提取

Canny是边缘检测算法,是一个很好的边缘检测器,很常用也很实用。

步骤:

1、输入图像通过高斯模糊(GaussianBlur),去掉一些噪声。

2、灰度转换(cvtColor)

3、计算梯度(Sobel、Scharr)

4、非最大信号抑制

5、高低阈值输出二值图像

非最大信号抑制通俗意义上是指寻找像素点局部最大值,将非极大值点所对应的灰度值置为0,这样可以提出一大部分非边缘的点。

高低阈值连接:

1、T1、T2为阈值,凡是高于T2的都保留,凡是小于T1的都丢弃,从高于T2的像素出发,凡是大于T1而且相互连接的,都保留。最终得到一个输出二值图像。

2、推荐的高低阈值比值为T2:T1=3:1或者T2:T1=2:1,其中T2为高阈值,T1为低阈值。

import cv2 as cv
import numpy as np


def edge_demo(image):
    blurred = cv.GaussianBlur(image, (3, 3), 0)
    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)
    # X Gradient  cv.CV_16SC1所对应的数据类型必须是整型
    xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
    # Y Gradient
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
    # edge,50、150分别是低阈值和高阈值
    # edge_output = cv.Canny(xgrad, ygrad, 50, 150)
    edge_output = cv.Canny(gray, 50, 150)
    cv.imshow('Canny Edge', edge_output)
    # 彩色边缘提取
    dst = cv.bitwise_and(image, image, mask=edge_output)
    cv.imshow('Color Edge', dst)


src = cv.imread('C:/Users/Y/Pictures/Saved Pictures/lena.png')
cv.namedWindow('input image', cv.WINDOW_AUTOSIZE)
cv.imshow('input image', src)
edge_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

                 原图像                                                       边缘图像                                               彩色边缘图像

python+opencv Canny边缘提取_第1张图片python+opencv Canny边缘提取_第2张图片

你可能感兴趣的:(图像处理,python+opencv)