OpenCV图像边缘检测

关注

原创最新推荐文章于 2026-03-28 02:25:39 发布 719 阅读 AI 写同款· GEO 优化 ›

opencv-python学习笔记8-图像边缘检测 在OpenCV中，图像边缘检测是一个重要的图像处理技术，它可以帮助识别图像中的物体边界。降噪：边缘检测容易受到图像噪声的影响，因此通常首先使用高斯滤波器对图像进行平滑处理以减少噪声。求图像的强度梯度：通过应用Sobel算子或其他梯度算子来计算图像的梯度。这通常涉及到计算图像在水平和垂直方向的一阶导数。非极大值抑制：在这一步中，算法会检查图像中的每个像素，并仅保留梯度方向上局部最大值的像素，这样可以细化边缘。双阈值：使用两个阈值来确定强边缘和弱边缘。阅读详情

一、Canny边缘检测的一般步骤

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.应用非极大值抑制，以消除边缘检测带来的杂散效应；

4.应用双阈值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。

二、梯度强度和方向的计算

$G=\sqrt{G_{x}^{2}+G_{y}^{2}} \ \ \ \ \ \ \Theta =arctan(\frac{G_{x}}{G_{y}})$

三、关于非极大值抑制

1.方法一

2.方法二

四、双阈值检测

五、OpenCV接口实现

import cv2
import matplotlib.pyplot as plt
import numpy as np

img = cv2.imread('./noisy.jpg', cv2.IMREAD_GRAYSCALE)

#滤波
img = cv2.medianBlur(img, 3)

v1 = cv2.Canny(img, 80, 150)
v2 = cv2.Canny(img, 50, 100)

plt.figure()
plt.subplot(1, 3, 1)
plt.imshow(img, 'gray')
plt.title('ORIGINAL')

plt.subplot(1, 3, 2)
plt.imshow(v1, 'gray')
plt.title('V1')

plt.subplot(1, 3, 3)
plt.imshow(v2, 'gray')
plt.title('V2')

plt.show()

canny