Python实现Canny边缘检测算法——附详细源代码

Python实现Canny边缘检测算法
最新推荐文章于 2025-09-23 17:44:50 发布
最新推荐文章于 2025-09-23 17:44:50 发布
阅读量1k 收藏 3
点赞数 1
CC 4.0 BY-SA版权
文章标签： python 计算机视觉 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wellcoder/article/details/130873713
Python应用 专栏收录该内容
100 篇文章 ¥99.90 ¥299.90
订阅专栏
本文介绍如何使用Python和OpenCV实现Canny边缘检测算法，包括图像灰度化、高斯滤波、梯度计算、非极大值抑制、双阈值处理和边缘连接等步骤，附带详细源代码。

Python实现Canny边缘检测算法——附详细源代码

Canny边缘检测是一种广泛应用于图像处理领域的算法，其能够精确、高效地检测出图像中的边缘。本文将基于Python语言实现Canny边缘检测算法，并附上完整的源代码，让读者能够更好地理解和运用该算法。

  1. 算法原理

Canny边缘检测算法是由John F. Canny在1986年提出的一种多级别边缘检测算法，其核心思想是通过滤波器对图像进行平滑处理，然后使用梯度算子检测出图像中的边缘，最后通过非极大值抑制和双阈值处理确定边缘。

  1. 实现步骤

（1）图像灰度化

Canny边缘检测算法首先需要将彩色图像转换为灰度图像，本文采用opencv库的cv2.cvtColor()函数实现。

（2）高斯滤波

为了减少噪声对边缘的影响，需要对灰度图像进行平滑处理，本文采用了高斯滤波器，使用cv2.GaussianBlur()函数实现。

（3）求取图像梯度

通过计算图像中每个像素的梯度幅值和方向，来检测出图像的边缘。本文使用OpenCV中的cv2.Sobel()函数实现。

（4）非极大值抑制

为了精确检测出边缘，需要对梯度方向进行判断，只有在梯度方向与垂直或水平方向夹角小于45度时才算边缘，将其他方向的梯度值置为0。本文采用了cv2.phase()函数来计算梯度方向，并通过数学计算实现非极大值抑制。

（5）双阈值处理

在经过以上步骤后，得到的边缘仍存在一定程度的误检和漏检。因此需要通过双阈值处理来进一步确定真正的边缘。本文将阈值分别设置为50和1

了解本专栏 订阅专栏 解锁全文
python:实现 canny边缘检测算法(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
07-21 1428
python:实现 canny边缘检测算法(附完整源码)
python：实现canny边缘检测 (附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
03-28 456
python：实现canny边缘检测 (附完整源码)
Canny边缘检测算法(python 实现）
热门推荐
MasterMiao的博客
08-14 8万+
文章目录最优边缘准则算法实现步骤1. 应用高斯滤波来平滑(模糊)图像，目的是去除噪声2. 计算梯度强度和方向3. 应用非最大抑制技术NMS来消除边误检4. 应用双阈值的方法来决定可能的（潜在的）边界5. 利用滞后技术来跟踪边界opencv实现Canny边缘检测手写代码参考文章 最优边缘准则     Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是：     (1)最优检测：算法能够尽可能多地标识出图像中的实际边缘，漏检真实边缘的概率和误检非边缘的概率都尽可能小；     (2)最优定
Python实现Canny边缘检测
weixin_43348230的博客
04-14 8440
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录一、Canny边缘检测二、具体步骤1. 高斯平滑滤波 Noise Reduction2. Sobel Kernel3. NMS (Non-Maximum Suppression）4.Hysteresis Thresholding5.主函数6.实验结果三. 解决报错cv.imshow报错解决方案四 .完整代码 一、Canny边缘检测 基于Canny算子的边缘检测主要有5个步骤，依次是： 1.高斯滤波 2.像素梯度计算 3.非.
Python-OpenCV图像边缘检测算法全解析
最新发布
qq_44242804的博客
09-23 960
Canny边缘检测是图像处理中最著名，最常用的边缘检测算法之一，是1986年John F.Canny提出，一个最优的边缘检测器，满足三个标准1.良好的检测性能，能够尽可能多的找出真是的边缘也就是低错误率。2.良好的定位性能，检测到的边缘像素应该尽可能的接近真实边缘中心，即高定位精度。3.清晰的响应，对于同一条边缘，算法只返回一个像素点，在最大限度上减少虚假响应。
canny边缘检测算法的python实现
qq_52266706的博客
03-29 2341
Canny边缘检测算子是John F. Canny于1986年开发出来的一个多级边缘检测算法。更为重要的是Canny创立了“边缘检测计算理论”（computational theory of edge detection）解释这项技术如何工作。（摘自百度百科）以上就是今天要讲的内容，本文仅仅简单介绍了canny边缘检测算法的使用，而canny边缘检测算法在日产生活中给我们带来了大量的便利。（欢迎各位老师同学批评指正）
python实现Canny算子边缘检测算法
feinifi的博客
06-03 7234
python实现Canny算子边缘检测算法。
python canny边缘检测算法_Python实现Canny边缘检测算法
weixin_39875516的博客
12-09 513
Canny边缘检测算法由计算机科学家John F. Canny于1986年提出. 它不仅提供算法，而且带来了一组边缘检测理论，分阶段说明了如何实现边缘检测. Canny检测算法包括以下阶段:灰度高斯模糊计算图像梯度幅度非最大抑制双重阈值选择灰度Graying实际上是降维操作，可以减少计算量. 如果该算法不执行与颜色相关的识别，它也可以直接执行后续阶段而不会发灰.高斯模糊噪声将包含在实际图片中. ...
OpenCV+python：Canny边缘检测算法
qq_43660987的博客
06-07 7434
1，边缘处理 图像边缘信息主要集中在高频段，通常说图像锐化或检测边缘，实质就是高频滤波。我们知道微分运算是求信号的变化率，具有加强高频分量的作用。 在空域运算中来说，对图像的锐化就是计算微分。由于数字图像的离散信号，微分运算就变成计算差分或梯度。 图像处理中有多种边缘检测（梯度）算子，常用的包括普通一阶差分，Robert算子（交叉差分），Sobel算子等等，是基于寻找梯度强度。拉普拉斯算子（二阶差...
python实现边缘检测Canny算子 (附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
11-25 278
python实现边缘检测Canny算子 (附完整源码)
Python实现Canny边缘检测算法
02-24
Canny边缘检测算法由计算机科学家JohnF.Canny于1986年提出的。其不仅提供了算法，还带来了一套边缘检测的理论，分阶段的解释如何实现边缘检测。Canny检测算法包含下面几个阶段：1.灰度化2.高斯模糊3.计算图片梯度幅值4.非极大值抑制5.双阈值选取灰度化实际上是一种降维的操作，可以减少计算。如果算法不进行色彩相关的识别的话，不灰度化，也可以直接进行后面的阶段。在实际的图片中，都会包含噪声。但有时候，图片中的噪声会导致图片中边缘信息的消失。对此的解决方案就是使用高斯平滑来减少噪声，即进行高斯模糊操作。该操作是一种滤波操作，与高斯分布有关，下面是一个二维的高斯函数，其中(x,y)为坐
python Canny边缘检测算法的实现
09-17
主要介绍了python Canny边缘检测算法的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
canny边缘检测算法_代码
09-17
本文件包为canny边缘检测算法代码，matlab编写，用于检测图像边缘。
python实现canny边缘检测
09-16
本文主要讲解了canny边缘检测原理：计算梯度幅值和方向、根据角度对幅值进行非极大值抑制、用双阈值算法检测和连接边缘以及python 实现
canny边缘检测代码
10-11
canny边缘检测具有良好的抗噪声性能，且运算效率较高。
使用 Python 从头开始​​编写 Canny 边缘检测算法。
gongdiwudu的专栏
11-07 1532
在本文中，我将解释有关 Canny 边缘检测的所有内容，以及在不使用一些预先编写的库的情况下对算法进行编码，以便您能够了解真正发生的情况。
python canny边缘检测算法_python-opencv-Canny边缘检测
weixin_39704971的博客
12-09 295
OpenCV中有专门的Canny边缘检测算法的函数Canny(image，threshold1，threshold2，edges=None，apertureSize=None，L2gradient=None)，我们可以直接调用它轻松实现图像的边缘检测。但是Canny()函数内部并没有对图像进行很好地降噪，因此为了保证结果更准确，我们在调用Canny()函数前常常会先通过高斯滤波降噪。OpenCV中...
python canny边缘检测算法_Python 实现 Canny 边缘检测算法-Python
weixin_39683692的博客
02-02 1744
编辑推荐:本文主要介绍了一套边缘检测的理论，分阶段的解释如何实现边缘检测，希望对您的学习有所帮助。本文来自于简书，由火龙果软件Alice编辑，推荐。Canny 边缘检测算法由计算机科学家 John F. Canny于 1986 年提出的。其不仅提供了算法，还带来了一套边缘检测的理论，分阶段的解释如何实现边缘检测。Canny检测算法包含下面几个阶段：1.灰度化2.高斯模糊3.计算图片梯度幅值4.非极...
canny算子python代码
10-20
Canny算子是一种常用的边缘检测算法，其Python实现如下： ```python import cv2 import numpy as np def canny(image, low_threshold, high_threshold): gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY) blur = cv2.GaussianBlur(gray, (5, 5), 0) canny = cv2.Canny(blur, low_threshold, high_threshold) return canny ``` 其中，`image`为输入的图像，`low_threshold`和`high_threshold`为双阈值滤波的低阈值和高阈值。函数首先将图像转换为灰度图像，然后进行高斯模糊，最后使用Canny算子进行边缘检测。 另外，如果需要使用PyTorch实现Canny算子，可以使用以下代码： ```python import torch import torch.nn.functional as F def canny_pytorch(image, low_threshold, high_threshold): gray = torch.mean(image, dim=0, keepdim=True) blur = F.conv2d(gray, torch.ones(1, 1, 5, 5) / 25, padding=2) dx = F.conv2d(blur, torch.tensor([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]], dtype=torch.float32).unsqueeze(0).unsqueeze(0), padding=1) dy = F.conv2d(blur, torch.tensor([[-1, -2, -1], [0, 0, 0], [1, 2, 1]], dtype=torch.float32).unsqueeze(0).unsqueeze(0), padding=1) gradient = torch.sqrt(dx ** 2 + dy ** 2) theta = torch.atan2(dy, dx) theta[theta < 0] += np.pi theta[theta >= np.pi * 7 / 8] = 0 theta[(theta >= np.pi * 1 / 8) & (theta < np.pi * 3 / 8)] = np.pi / 4 theta[(theta >= np.pi * 3 / 8) & (theta < np.pi * 5 / 8)] = np.pi / 2 theta[(theta >= np.pi * 5 / 8) & (theta < np.pi * 7 / 8)] = np.pi * 3 / 4 suppressed = gradient.clone() for i in range(1, suppressed.shape[2] - 1): for j in range(1, suppressed.shape[3] - 1): if theta[0, 0, i, j] == 0: if (gradient[0, 0, i, j] <= gradient[0, 0, i, j - 1]) or (gradient[0, 0, i, j] <= gradient[0, 0, i, j + 1]): suppressed[0, 0, i, j] = 0 elif theta[0, 0, i, j] == np.pi / 4: if (gradient[0, 0, i, j] <= gradient[0, 0, i - 1, j + 1]) or (gradient[0, 0, i, j] <= gradient[0, 0, i + 1, j - 1]): suppressed[0, 0, i, j] = 0 elif theta[0, 0, i, j] == np.pi / 2: if (gradient[0, 0, i, j] <= gradient[0, 0, i - 1, j]) or (gradient[0, 0, i, j] <= gradient[0, 0, i + 1, j]): suppressed[0, 0, i, j] = 0 elif theta[0, 0, i, j] == np.pi * 3 / 4: if (gradient[0, 0, i, j] <= gradient[0, 0, i - 1, j - 1]) or (gradient[0, 0, i, j] <= gradient[0, 0, i + 1, j + 1]): suppressed[0, 0, i, j] = 0 suppressed[gradient < low_threshold] = 0 suppressed[gradient > high_threshold] = 255 for i in range(1, suppressed.shape[2] - 1): for j in range(1, suppressed.shape[3] - 1): if suppressed[0, 0, i, j] == 255: if (suppressed[0, 0, i - 1, j] == 0) and (suppressed[0, 0, i + 1, j] == 0) and (suppressed[0, 0, i, j - 1] == 0) and (suppressed[0, 0, i, j + 1] == 0): suppressed[0, 0, i, j] = 0 return suppressed ``` 其中，`image`为输入的图像，`low_threshold`和`high_threshold`为双阈值滤波的低阈值和高阈值。函数首先将图像转换为灰度图像，然后进行高斯模糊，接着计算图像的梯度和方向，进行非极大值抑制和双阈值滤波，最后进行边缘连接。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

编码实践

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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