OpenCV—python 边缘检测（Canny）「建议收藏」

大家好，又见面了，我是你们的朋友全栈君。

一、边缘定义及类型

边缘类型：简单分为4中类型，阶跃型、屋脊型、斜坡型、脉冲型，其中阶跃型和斜坡型是类似的，只是变化的快慢不同。

二、边缘检测算子类别

边缘检测算子：

• 一阶导数： Roberts、Sobel、Prewitt
• 二阶导数： Laplacian、Log/Marr、(Kirsch、Nevitia)
• 非微分边缘检测算子： Canny
  关于算子详情请查看：https://blog.csdn.net/wsp_1138886114/article/details/81368890
  

三、OpenCV-Python 中 Canny() 参数

步骤：

• 彩色图像转换为灰度图像（以灰度图或者单通道图读入）
• 对图像进行高斯模糊（去噪）
• 计算图像梯度，根据梯度计算图像边缘幅值与角度
• 沿梯度方向进行非极大值抑制（边缘细化）
• 双阈值边缘连接处理
• 二值化图像输出结果

""" cv2.Canny(image, # 输入原图（必须为单通道图） threshold1, threshold2, # 较大的阈值2用于检测图像中明显的边缘 [, edges[, apertureSize[, # apertureSize：Sobel算子的大小 L2gradient ]]]) # 参数(布尔值)： true： 使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开放）， false：使用L1范数（直接将两个方向导数的绝对值相加）。 """ import cv2 import numpy as np original_img = cv2.imread("qingwen.png", 0) # canny(): 边缘检测 img1 = cv2.GaussianBlur(original_img,(3,3),0) canny = cv2.Canny(img1, 50, 150) # 形态学：边缘检测 _,Thr_img = cv2.threshold(original_img,210,255,cv2.THRESH_BINARY)#设定红色通道阈值210（阈值影响梯度运算效果） kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(5,5)) #定义矩形结构元素 gradient = cv2.morphologyEx(Thr_img, cv2.MORPH_GRADIENT, kernel) #梯度 cv2.imshow("original_img", original_img) cv2.imshow("gradient", gradient) cv2.imshow('Canny', canny) cv2.waitKey(0) cv2.destroyAllWindows() 

可调整阈值大小的程序

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) # just add some colours to edges from original image. cv2.imshow('canny demo',dst) lowThreshold = 0 max_lowThreshold = 100 ratio = 3 kernel_size = 3 img = cv2.imread('qingwen.png') gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) cv2.namedWindow('canny demo') cv2.createTrackbar('Min threshold','canny demo',lowThreshold, max_lowThreshold, CannyThreshold) CannyThreshold(0) # initialization if cv2.waitKey(0) == 27: cv2.destroyAllWindows()