当前位置: 首页 > news >正文

Canny边缘检测(cv2.Canny())

一、Canny边缘检测
Canny 边缘检测是一种使用多级边缘检测算法检测边缘的方法。

Canny()边缘检测步骤:
Canny 边缘检测分为如下几个步骤:
1.去噪。噪声会影响边缘检测的准确性,因此首先要将噪声过滤掉。
2.计算梯度的幅度与方向。
3.非极大值抑制,即适当地让边缘“变瘦”。
4.确定边缘。使用双阈值算法确定最终的边缘信息。

1. 滤波去除图像噪声

      图像边缘容易受到噪声的干扰,为了避免检测到错误的边缘信息,通常需要对图像进行滤波以去除噪声。滤波的目的是平滑一些纹理较弱的非边缘区域,以得到更准确的边缘。滤波,就是通过滤波器(核/模板)对像素点周围的像素加权计算平均值。滤波器的核越大,边缘信息对于噪声的敏感度就越低。不过,核越大,边缘检测的定位错误也会随之增加。

2. 计算梯度

     梯度的方向与边缘的方向是垂直的。 边缘检测算子返回水平方向的Gx和垂直方向的Gy。梯度的幅度𝐺和方向𝛩(用角度值表示)为:

3. 非极大值抑制

       在获得了梯度的幅度和方向后,遍历图像中的像素点,去除所有非边缘的点。逐一遍历像素点,判断当前像素点是否是周围像素点中具有相同梯度方向的最大值,并根据判断结果决定是否抑制该点。
针对每一个像素点: 如果该点是正/负梯度方向上的局部最大值,则保留该点。如果不是,则抑制该点(归零)。

4. 应用双阈值确定边缘

       完成上述步骤后,图像内的强边缘已经在当前获取的边缘图像内。但是,一些虚边缘可能也在边缘图像内。这些虚边缘可能是真实图像产生的,也可能是由于噪声所产生的。对于后者,必须将其剔除。设置两个阈值,其中一个为高阈值 maxVal,另一个为低阈值 minVal。根据当前边缘像素的梯度值(指的是梯度幅度,下同)与这两个阈值之间的关系,判断边缘的属性。具体步骤为: 
(1)如果当前边缘像素的梯度值大于或等于 maxVal,则将当前边缘像素标记为强边缘。
(2)如果当前边缘像素的梯度值介于maxVal 与 minVal 之间,则将当前边缘像素标记为虚边缘(需要保留)。
(3)如果当前边缘像素的梯度值小于或等于 minVal,则抑制当前边缘像素。 得到了虚边缘后,需要对其做进一步处理。
通过判断虚边缘与强边缘是否连接,来确定虚边缘到底属于哪种情况。通常情况下,如果一个虚边缘:与强边缘连接,则将该边缘处理为边缘。与强边缘无连接,则该边缘为弱边缘,将其抑制。

二、Canny 函数及使用

edge = cv2.Canny(image, threshold1, threshold2, apertureSize, L2gradient) 
image:要检测的图像,通常是灰度图像,必须是单通道图像( CV_8UC1)。
threshold1:阈值1(最小值), 如果像素值小于该值,则被认为不是边缘。
threshold2:阈值2(最大值),如果像素值大于该值,则被认为是强边缘。
apertureSize:sobel算子(卷积核)大小
L2gradient :布尔值。
True:使用更精确的L2范数进行计算(即两个方向的导数的平方和再开方)
False:使用L1范数(直接将两个方向导数的绝对值相加)

# canny 边缘检测import cv2 as cv # 引入CV模块
import numpy as np #引入numpy模块# 1.读取图片
src = cv.imread('2.jpg') #读取图像
print('src.shape=',src.shape)# 2.转换为灰度图像
gray_img = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)# 3.分割图像
[b,g,r ]=cv.split(src)
print('b.shape=',b.shape)cv.imshow('b',b)
cv.imshow('g',g)
cv.imshow('r',r)# 4.通道合并
mergesrc = cv.merge([b,g,r]) #合并
cv.imshow('mergesrc',mergesrc)# 5.边缘检测
edge1=cv.Canny(src,10,50)  #边缘检测
edge2=cv.Canny(src,100,150) #边缘检测
edge3=cv.Canny(src,255,500) #边缘检测
edge4=cv.Canny(src,255,800) #边缘检测#print('b=',b)# 6.水平拼接edge3和edge4图像
edge5=np.hstack((edge3,edge4))# 7.显示和保存图像
cv.imshow('src',src)
cv.imshow('edge1',edge1)
cv.imwrite('Canny-edge1.png', edge1) #保存图像
cv.imshow('edge2',edge2)
cv.imwrite('Canny-edge2.png', edge2) #保存图像
cv.imshow('edge3',edge3)
cv.imwrite('Canny-edge3.png', edge3) #保存图像
cv.imshow('edge4',edge4)
cv.imwrite('Canny-edge4.png', edge4) #保存图像# 8.显示拼接图片
cv.namedWindow('Canny-edge5',0 ) 
cv.imshow('Canny-edge5', edge5)cv.waitKey()  # 图像不关闭
cv.destroyAllWindows()  # 释放所有窗口 

http://www.dtcms.com/a/271911.html

相关文章:

  • Mac自定义右键功能
  • 如何在Linux上搭建本地Docker Registry并实现远程连接
  • 【TCP/IP】6. 差错与控制报文协议
  • Rust Web 全栈开发(四):构建 REST API
  • llvm, polly, 向量化测试,GEMM非常明显
  • ValueConverter转换器WPF
  • Leetcode力扣解题记录--第42题 接雨水(动规和分治法)
  • 开源 Arkts 鸿蒙应用 开发(六)数据持久--文件和首选项存储
  • [特殊字符] LLM(大型语言模型):智能时代的语言引擎与通用推理基座
  • 藏文识别技术的关键挑战与解决方案
  • 使用Visual Studio Code附加到Jetty进程调试Servlet
  • 小皮面板搭建pikachu靶场
  • 710 Mybatis实战
  • Go语言中map的零值是什么?对零值map进行读写操作会发生什么?如何正确初始化和使用map?
  • 力扣-73.矩阵置零
  • 【会员专享数据】2013-2024年我国省市县三级逐年SO₂数值数据(Shp/Excel格式)
  • 2025年材料应用与计算机科学国际会议(MACS 2025)
  • C++中的左值、右值与std::move()
  • 数据 + 模型 驱动 AI Native 应用发展
  • 利用DBeaver实现异构数据库数据定时任务同步
  • 计算机网络实验——以太网安全实验
  • Flutter 知识点总结
  • React虚拟DOM的进化之路
  • Vue.js 过渡 动画
  • 如何在Flutter开发中系统性减少知识盲区
  • 使用 FreeRTOS 实现简单多任务调度(初识 RTOS)
  • Excalidraw:一款轻量、高效、极具手感的在线白板工具
  • 【免费数据】2020年中国高精度耕地范围矢量数据
  • 解析几何几百年重大错误:将无穷多各异圆盘(球)误为同一点集
  • 语音转文字「本地化」新解!Whisper Web+cpolar实现零服务器部署与远程操作