python CV学习6：边缘检测

1 什么是边缘？

边缘是图像强度函数快速变化的地方

2 如何检测边缘？

为了检测边缘，我们需要检测图像中的不连续性，可以使用导数来检测不连续性。

3 图像梯度

 梯度就是X方向的箭头和Y方向的箭头的和。假设某一点上,x的偏导数为3,y的偏导数为-1,则该点的梯度就是(3,-1)

 4 Sobel算子

x和y方向的Sobel算子分别为：

 拿下图举例

img=cv2.imread('src/noise0.jpg',cv2.IMREAD_GRAYSCALE)


sobel_x1=cv2.Sobel(img,cv2.CV_64F,1,0,ksize=3)
sobel_x2=cv2.convertScaleAbs(sobel_x1)

sobel_y1=cv2.Sobel(img,cv2.CV_64F,0,1,ksize=3)
sobel_y2=cv2.convertScaleAbs(sobel_y1)

sobel_xy1=cv2.addWeighted(sobel_x2,0.5,sobel_y2,0.5,0)
sobel_xy2=cv2.convertScaleAbs(sobel_xy1)

cv2.imshow('origin',img) 

cv2.imshow('sobel_x',sobel_x1)    
cv2.imshow('sobel_x & ScaleAbs',sobel_x2) 

cv2.imshow('sobel_y',sobel_y1)  
cv2.imshow('sobel_y & ScaleAbs',sobel_y2)    

cv2.imshow('sobel_xy',sobel_xy1) 
cv2.imshow('sobel_xy & ScaleAbs',sobel_xy2) 

cv2.waitKey(0)        
cv2.destroyAllWindows()

 

5 Canny边缘检测

在目前常用的边缘检测方法中，Canny边缘检测算法是具有严格定义的，可以提供良好可靠检测的方法之一。由于它具有满足边缘检测的三个标准和实现过程简单的优势，成为边缘检测最流行的算法之一。

完成一个Canny边缘检测算法可以分为以下四步：

高斯滤波	目的
1.高斯滤波	去噪声降低错误率
2.计算梯度幅值和方向	估计每一点处的边缘强度与方向
3.非极大值抑制（NMS）	对Sobel、Prewitt等算子的结果进一步细化
4应用双阈值（Double-Threshold）检测	确定真实的和可能的边缘。

 还是使用上图

img = cv2.imread("src/noise0.jpg", 0)  # 由于Canny只能处理灰度图，所以将读取的图像转成灰度图
 
img1 = cv2.GaussianBlur(img,(3,3),0) # 用高斯平滑处理原图像降噪。若效果不好可调节高斯核大小
 
canny = cv2.Canny(img1, 80, 100)     # 调用Canny函数，指定最大和最小阈值，其中apertureSize默认为3。
 
cv2.imshow('Canny', canny)
 
cv2.waitKey(0)
 
cv2.destroyAllWindows()