内容来自OpenCV-Python Tutorials 自己翻译整理
目标
边缘检测的概念
opencv的函数cv2.Canny()
opencv的函数cv2.Canny()
原理
Canny边缘检测很流行，在1986年提出
Canny边缘检测很流行，在1986年提出
去除噪声
边缘检测容易受到噪声影响，一般第一步都是用5*5的高斯滤波器去除噪声
边缘检测容易受到噪声影响，一般第一步都是用5*5的高斯滤波器去除噪声
计算图像梯度
对平滑后的图像使用sobel算子在水平与竖直方向上计算一阶导数，得到图像梯度（Gx和Gy）。根据梯度图找到边界梯度和方向，公式如下：
梯度方向一般与边界垂直，有四类：垂直、水平、两个对角线。
非极大值抑制
获得图像梯度方向和大小以后，需要对全图像进行扫描去除不属于边界的点。
检查每一个像素，看此像素是否是周围具有相同梯度方向中最大的
检查每一个像素，看此像素是否是周围具有相同梯度方向中最大的
A点在边界上（垂直方向），梯度方向是边界的法向量。点B和点C在梯度方向上面，所以点A检测点B和C是否形成了本地最大值，如果形成最大自，那么久进行下一步，否则进行抑制（赋值为0）
简单的说，得到了二值图像的边界。
简单的说，得到了二值图像的边界。
滞后阈值
现在需要确定哪些边界是真正的边界，需要两个阈值，minVal和maxVal。图像灰度梯度 高于maxVal被认为是真正的边界，低于minVal的舍弃。两者之间的值要判断是否与真正的边界相连，相连就保留，不相连舍弃。
A高于maxVal，是真正边界。C低于maxVal，但是与真正边界相连，也认为是真正边界。B没有和真正阈值相连，而且低于maxVal，抛弃。
现在需要确定哪些边界是真正的边界，需要两个阈值，minVal和maxVal。图像灰度梯度 高于maxVal被认为是真正的边界，低于minVal的舍弃。两者之间的值要判断是否与真正的边界相连，相连就保留，不相连舍弃。
A高于maxVal，是真正边界。C低于maxVal，但是与真正边界相连，也认为是真正边界。B没有和真正阈值相连，而且低于maxVal，抛弃。
opencv使用canny
cv2.Canny()函数，第一个参数是输入图像，第二个和第三个参数是maxVal和minVal
函数原型是这样的
edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])
1
apertureSize 为卷积核大小
L2gradient 参数设定求梯度大小的方程
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('3.jpg',0)
edges = cv2.Canny(img,100,200)
plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])
plt.show()
练习
添加滚动条
添加滚动条
import cv2
import numpy as np
from matplotlib import pyplot as plt
def nothing(x):
pass
cv2.namedWindow('res')
cv2.createTrackbar('max','res',0,255,nothing)
cv2.createTrackbar('min','res',0,255,nothing)
img = cv2.imread('1.jpg',0)
maxVal=200
minVal=100
while (1):
if cv2.waitKey(20) & 0xFF==27:
break
maxVal = cv2.getTrackbarPos('min','res')
minVal = cv2.getTrackbarPos('max','res')
if minVal < maxVal:
edge = cv2.Canny(img,100,200)
cv2.imshow('res',edge)
else:
edge = cv2.Canny(img,minVal,maxVal)
cv2.imshow('res',edge)
cv2.destoryAllWindows()
更多免费技术资料可关注：annalin1203
