OpenCV学习Day08---边缘提取、直线检测

本文详细介绍并展示了如何使用OpenCV进行图像的边缘检测及直线识别,包括Canny算法的五步过程,以及霍夫变换在直线检测中的应用。通过实际代码演示了如何将理论应用于实践,实现图像处理中的关键步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

边缘提取代码:

#边缘提取算法
'''
Canny算法的介绍--五步
    1、高斯模糊----GausslianBlur
    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形
        T1、T2为阈值,凡是高于T2的都保留,凡是地域T1的都丢弃,从高于T2的像素出发,凡是大于T1而且相互连接的,都保留。最终得到一个输出的二值图像
'''
import cv2 as cv
import numpy as np
def edgeDemo(image):
    blurred=cv.GaussianBlur(image,(3,3),0)#降低噪声,因为Canny对噪声敏感
    gray=cv.cvtColor(blurred,cv.COLOR_BGR2GRAY)
    #梯度值计算
    xgrad=cv.Sobel(gray,cv.CV_16SC1,1,0)
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)#第三个参数为处理图像的深度,此处应该用整数型
    #edgeOutPut=cv.Canny(gray,50,150)-----亦可使用本方法
    edgeOutPut=cv.Canny(xgrad,ygrad,50,150)#第三四个参数为低、高阈值----高阈值最好是低阈值的2倍或者3倍
    cv.imshow("CannyEdge",edgeOutPut)
    dst=cv.bitwise_and(image,image,mask=edgeOutPut)#边缘彩色化
    cv.imshow("Color Edge",dst)

src=cv.imread("E:\OpenCVTests\IMG_4686.JPG")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
edgeDemo(src)

cv.waitKey(0)
cv.destroyAllWindows()


运行结果:
在这里插入图片描述
直线检测代码:

import cv2 as cv
import numpy as np
#霍夫直线,在边缘检测已完成的前提下,可完成直线检测
def lineDection(image):#直线检测
    gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    edges=cv.Canny(gray,50,150,apertureSize=3)#算子的大小,默认值为3,可选可不选----边缘检测
    lines=cv.HoughLines(edges,1,np.pi/180,200)#图像;半径步长;角度每次偏转1°,pi为π;
    for line in lines:
        print(type(lines))
        rho,theta=line[0]#步长
        a=np.cos(theta)#直角坐标到极坐标之间转换的套用
        b=np.sin(theta)
        x0=a*rho
        y0 = b * rho
        x1=int(x0+1000*(-b))#取整
        y1 = int(y0 + 1000 * (a))
        x2 = int(x0 - 1000 * (-b))
        y2 = int(y0 - 1000 * (b))
        cv.line(image,(x1,y1),(x2,y2),(0,0,255),2)#将直线绘制在原图上,两个点的,颜色以及宽度
    cv.imshow("imageLine",image)
def lineDetectPossibleDemo(image):#更为精确、方便
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    edges = cv.Canny(gray, 50, 150, apertureSize=3)  # 算子的大小,默认值为3,可选可不选----边缘检测
    lines = cv.HoughLinesP(edges, 1, np.pi / 180, 100,minLineLength=50,maxLineGap=10)  # 图像;半径步长;角度每次偏转1°,pi为π;最小线长度;线断的间隔,倒数这两个参数很重要
    for line in lines:
        print(type(lines))
        x1,y1,x2,y2=line[0]#????
        cv.line(image, (x1, y1), (x2, y2), (0, 0, 255), 2)
    cv.imshow("lineDetectPossibleDemo", image)
src=cv.imread("E:\OpenCVTests/u=1960657945,2846230336&fm=26&gp=0.jpg")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
lineDection(src)
lineDetectPossibleDemo(src)

cv.waitKey(0)
cv.destroyAllWindows()


运行结果:在这里插入图片描述

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值