Opencv Python 简明教程

OpenCV Python - Edge Detection

此处的边缘表示图像中对象的边界。OpenCV 有一个 cv2.Canny() 函数，通过实现 Canny 算法识别图像中各种对象的边缘。

Canny 边缘检测算法由 John Canny 发明。据此，对象的边缘通过执行以下步骤确定 −

第一步是减少图像中的噪声像素。这通过应用 5X5 高斯滤波器来完成。

第二步涉及查找图像的强度梯度。通过应用 Sobel 算子来滤波第一阶段的平滑图像，以获得水平和垂直方向上的 一 阶导数 (Gx 和 Gy)。

均方根值给出边缘梯度，导数的反正切比率给出边缘的方向。

\mathrm{边缘\:梯度\:G\:=\:\sqrt{G_x 2+G_y 2}}

\mathrm{角度\:\theta\:=\:\tan^{-1}(\frac{G_{y}}{G_{x}})}

在获得梯度大小和方向之后，对图像进行全面扫描以移除任何可能不构成边缘的意外像素。

下一步是根据最小值和最大值阈值执行迟滞阈值处理。小于最小值和最大值的强度梯度是非边缘，因此需要丢弃。两者之间的基于其连通性被视为边缘点或非边缘。

所有这些步骤都通过 OpenCV 的 cv2.Canny() 函数执行，该函数需要输入图像数组和最小值和最大值参数。

Example

以下是 Canny 边缘检测的示例。程序如下所示：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('lena.jpg', 0)
edges = cv.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('Edges of original Image'), plt.xticks([]), plt.yticks([])
plt.show()

Output

canny edge