13-Canny边缘检测

Canny边缘检测主要思路步骤如下：
1，使用高斯滤波器，以平滑图像，滤除噪声
2，计算图像中每个像素点的梯度强度和方向
3，应用非极大值抑制，以消除边缘检测带来的杂散响应
4，应用双阈值检测来确定真实的潜在的边缘
5，通过抑制孤立的弱边缘最终完成边缘检测

1，高斯滤波器：中间点比较大，越边缘越小

2，梯度和方向：用到Sobel算子，含有x和y两个方向

3，非极大值抑制

4，双阈值检测

A超过maxVal保留作为边界处理，B和C都在minVal和maxVal之间，但是C连有边界A，所以C保留，而B没有连有边界故舍弃，当然在minVal之下毫无疑问也都舍弃

cv2.Canny(img,120,250)
第一个参数：图像对象名称
第二个参数：minVal
第三个参数：maxVal
例如：minVal越小表示需要检测出更多的边界，相当于门槛越低，可能检测出来的边界并不那么是一个边界
同样，值越大要求越高，值越小要求越低

import cv2 import numpy as npdef show_photo(name,picture):cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()#设定不同的阈值进行比较 img = cv2.imread('E:\Jupyter_workspace\study\data/test1.png',cv2.IMREAD_GRAYSCALE) v1 = cv2.Canny(img,80,150) v2 = cv2.Canny(img,50,100)res = np.hstack((img,v1,v2))#将三个图像横向展示，当然vstack就是列向展示 show_photo('YT,(80,150),(50,100)',res)#设定不同的阈值进行比较 img = cv2.imread('E:\Jupyter_workspace\study\data/test1.png',cv2.IMREAD_GRAYSCALE) v1 = cv2.Canny(img,120,250) v2 = cv2.Canny(img,50,100)res = np.hstack((img,v1,v2))#将三个图像横向展示，当然vstack就是列向展示 show_photo('YT,(120,250),(50,100)',res)

设置不同的阈值，效果如下：

总结

以上是生活随笔为你收集整理的13-Canny边缘检测的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。