【Python3-OpenCV】实现边缘检测—Canny边缘检测

这是我参与更文挑战的第8天，活动详情查看： 更文挑战

OpenCV是一个C++库,目前流行的计算机视觉编程库,用于实时处理计算机视觉方面的问题,它涵盖了很多计算机视觉领域的模块。在Python中常使用OpenCV库实现图像处理。

本文将介绍如何在Python3中使用OpenCV实现边缘检测—Canny边缘检测：

前文

边缘检测在人工智能的计算机视觉任务中起着非常重要的作用。

Opencv提供了一个非常方便的Canny函数，进行边缘检测。Canny边缘检测是一种非常流行的边缘检测算法，是John Canny在1986年提出的。

OpenCV-Python中Canny函数的原型为：

edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]]) 

第一个参数是需要处理的原图像，该图像必须为单通道的灰度图；
第二个参数是阈值1；
第三个参数是阈值2。

Canny算法步骤

Canny边缘检测算法有5个主要的步骤组成：

• 使用高斯滤波器对图像进行去噪；
• 计算梯度；
• 在边缘上使用非最大抑制；
• 在检测的边缘上使用双（double）阈值去除假阳性；
• 最后分析所有边缘及其之间的连接，以保证真正的边缘并消除不明显的边缘。

Canny算法实现代码

import cv2
import numpy as np

original_img = cv2.imread("E:\\demo\\lena.jpg",0)

canny = cv2.Canny(original_img, 50, 150)

cv2.imshow('original_img', original_img)
cv2.imshow('Canny', canny)

cv2.waitKey(0)
cv2.destroyAllWindows()

输出为：

上面这个程序只是静态的，下面是可以在运行时调整阈值大小的程序。

其代码如下：

import cv2
import numpy as np

def CannyThreshold(lowThreshold):
    detected_edges = cv2.GaussianBlur(gray, (3, 3), 0)
    detected_edges = cv2.Canny(detected_edges, lowThreshold, lowThreshold * ratio, apertureSize=kernel_size)
    dst = cv2.bitwise_and(img, img, mask=detected_edges) 
    cv2.imshow('canny demo', dst)

lowThreshold = 0
max_lowThreshold = 100
ratio = 3
kernel_size = 3

img = cv2.imread("E:\\demo\\lena.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

cv2.namedWindow('canny demo')
cv2.createTrackbar('Min threshold', 'canny demo', lowThreshold, max_lowThreshold, CannyThreshold)

CannyThreshold(0)

if cv2.waitKey(0) == 27:
    cv2.destroyAllWindows()

输出为：

本月将陆续推出相关系列文章，

篇篇精彩，尽请关注。