简介:
1.Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。
2.Canny 的目标是找到一个最优的边缘检测算法,最优边缘检测的含义是:
好的检测- 算法能够尽可能多地标识出图像中的实际边缘。
好的定位- 标识出的边缘要尽可能与实际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,并且可能存在的图像噪声不应标识为边缘。
3.算法步骤:
①高斯模糊 - GaussianBlur
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
前三个前面都已经叙述过了,后两个可以看一下参考的这篇文章,讲的比较容易理解。 https://www.cnblogs.com/techyan1990/p/7291771.html
import cv2 as cv
import numpy as np
def egde_demo(image):
blurred=cv.GaussianBlur(image,(3,3),0)#高斯模糊
gray=cv.cvtColor(blurred,cv.COLOR_BGR2GRAY)#灰度转换
# X Grodient
xgrad=cv.Sobel(gray,cv.CV_16SC1,1,0)#沿x方向计算梯度
# Y Grodient
ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)#沿y方向计算梯度
#edge
edge_output=cv.Canny(xgrad,ygrad,50,150)#Canny边缘提取
#edge_output = cv.Canny(gray, 50, 150)#也可以直接用gray进行提取
cv.imshow("Canny Edge",edge_output)
dst=cv.bitwise_and(image,image,mask=edge_output)#输出彩色图像
cv.imshow("Color Edge",dst)
src = cv.imread("D:/OpenCV/opencv/sources/samples/data/lena.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
egde_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
print("Hi,python!")
参考 https://www.cnblogs.com/FHC1994/p/9133015.html
OpenCV的Canny函数用于在图像中查找边缘,其函数原型有两种:
①直接调用Canny算法在单通道灰度图像中查找边缘,
edge_output = cv.Canny(gray, 50, 150)
其函数原型为:Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges
image参数表示8位输入图像。
threshold1参数表示设置的低阈值。
threshold2参数表示设置的高阈值,一般设定为低阈值的3倍 (根据Canny算法的推荐)。
edges参数表示输出边缘图像,单通道8位图像。
apertureSize参数表示Sobel算子的大小。
L2gradient参数表示一个布尔值,如果为真,则使用更精确的L2范数进行计算(即两个方向的倒数的平方和再开方),否则使用L1范数(直接将两个方向导数的绝对值相加)。
②使用带自定义图像渐变的Canny算法在图像中查找边缘,
edge_output=cv.Canny(xgrad,ygrad,50,150)
其函数原型为:Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]) -> edges
dx参数表示输入图像的x导数(x导数满足16位,选择CV_16SC1或CV_16SC3)
dy参数表示输入图像的y导数(y导数满足16位,选择CV_16SC1或CV_16SC3)。
threshold1参数表示设置的低阈值。
threshold2参数表示设置的高阈值,一般设定为低阈值的3倍 (根据Canny算法的推荐)。
edges参数表示输出边缘图像,单通道8位图像。
L2gradient参数表示L2gradient参数表示一个布尔值,如果为真,则使用更精确的L2范数进行计算(即两个方向的倒数的平方和再开方),否则使用L1范数(直接将两个方向导数的绝对值相加)。