05计算机视觉-opencv边缘检测

最新推荐文章于 2022-03-23 19:50:52 发布

原创最新推荐文章于 2022-03-23 19:50:52 发布 · 1k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#05计算机视觉-opencv边缘检测 #计算机视觉 #opencv边缘检测 #canny边缘检测

计算机视觉专栏收录该内容

23 篇文章

订阅专栏

本文详细介绍了Canny边缘检测算法的五个主要步骤：高斯滤波器平滑图像、计算像素点梯度强度和方向、非极大值抑制、双阈值检测及孤立弱边缘抑制。通过Python代码演示了不同参数下Canny算法对图像边缘检测的效果。

Canny边缘检测

使用高斯滤波器，以平滑图像，滤除噪声。
计算图像中每个像素点的梯度强度和方向。
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。
应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。
通过抑制孤立的弱边缘最终完成边缘检测。

1 高斯滤波器

2 梯度和方向

3 非极大值抑制

4 双阈值检测

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

def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

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

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

res = np.hstack((v1,v2))
cv_show("res",res)

plt.imshow(res)

<matplotlib.image.AxesImage at 0x1e2434759e8>

[外链图片转存失败(img-8pLAzjy6-1565701913792)(output_11_1.png)]

img=cv2.imread("car.png",cv2.IMREAD_GRAYSCALE)

v1=cv2.Canny(img,120,250)
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))

cv_show("res",res)
plt.imshow(res)

<matplotlib.image.AxesImage at 0x1e254ca7828>

[外链图片转存失败(img-4V8NllfY-1565701913794)(output_12_1.png)]