【OpenCV】边缘检测 [API与源码实现]

Notes

1. 灰度图转换
2. 高斯滤波
3. Canny算法

---

1. API调用法

import cv2
import numpy as np

img = cv2.imread("../01_Img/01.jpg", 1)
imgInfo = img.shape  # 获取图像宽高信息

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 灰度图转换
imgG = cv2.GaussianBlur(gray, (3, 3), 0)  # 高斯滤波
dst = cv2.Canny(img, 50, 50)  # 后面的50是 图片通过卷积运算后 50 为边缘点

cv2.imshow("dst", dst)
cv2.waitKey(0)

---

---

2. 源码实现

1. 步骤：
   灰度图转换 ----> 使用Sobel 算子分别对图像 x, y 进行卷积运算 ----> 确定梯度值
   ----> 给定阈值判定边界 ----> 展示图象

2. sobel 算子 模板：
   Y 方向：

   -1	-2	-1
   0	0	0
   1	2	1

   X 方向：

   -1	0	1
   -2	0	2
   -1	0	1

3. 代码演示：

   1> 准备环境

   import math
   import cv2
   import numpy as np
   
   img = cv2.imread("../01_Img/01.jpg", 1)
   imgInfo = img.shape
   

   2> 给定阈值 并建立目标图像矩阵

   yu = 50  # 此处给定阈值为 50
   dst = np.zeros((imgInfo[0], imgInfo[1], 1), np.uint8) # 建立目标图像的空矩阵
   

   3> 灰度图像转换算法

   for i in range(0, imgInfo[0]):
       for j in range(0, imgInfo[1]):
           (b, g, r) = img[i, j]
           gray = (int(b)+int(g)+int(r))/3  # 取BGR平均值
           dst[i, j] = gray
   

   4> 边缘检测算法实现

   for i in range(0, imgInfo[0]-2):
       for j in range(0, imgInfo[1]-2):
       	# 1. 使用Sobel算子 对图像进行卷积运算
           gy = gray[i, j]*1 + gray[i, j+1]*2 + gray[i, j+2]*1 - gray[i+2, j]*1 - gray[i+2, j+1]*2 - gray[i+2, j+2]*1
           gx = gray[i, j]*1 - gray[i, j+2]*1 + gray[i+1, j]*2 - gray[i+1, j+2]*2 + gray[i+2, j]*1 - gray[i+2, j+2]*1
           # 2.梯度计算
           grad = math.sqrt(math.pow(gy, 2) + math.pow(gx, 2))
           # 3.阈值判定
           if grad > yu:
               dst[i, j] = 255
           else:
               dst[i, j] = 0
   

   5> 展示图片

   cv2.imshow("dst", dst)
   cv2.waitKey(0)