OpenCV--边缘检测

Canny边缘检测

• 1 使用高斯滤波器，以平滑图像，滤除噪声。
• 2 计算图像中每个像素点的梯度强度和方向。
• 3 应用非极大值（Non-Maximum Suppression, NMS）抑制，以消除边缘检测带来的杂散响应。
• 4 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。
• 5 通过抑制孤立的弱边缘最终完成边缘检测。

1：使用高斯滤波器，以平滑图像，滤除噪声

2：计算图像中每个像素点的梯度强度和方向

3：应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应

4：应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘

双阈值检测

img=cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE)

v1=cv2.Canny(img,80,150)
v2=cv2.Canny(img,50,100)    # 阈值设置的合适,就可以把细节信息展示更多,发丝和细纹理都显现出来了

res = np.hstack((img,v1,v2))
cv_show('res',res)

image.png

img=cv2.imread("car.png",cv2.IMREAD_GRAYSCALE)
v1=cv2.Canny(img,120,250)
v2=cv2.Canny(img,50,100)    # 阈值设置的合适,就可以把细节信息展示更多,高楼的边缘也显现出来了
res = np.hstack((img,v1,v2))
cv_show('res',res)

image.png