(Python)从零开始,简单快速学机器仿人视觉Opencv—第十五节:Canny边缘检测

179
0
2021年1月2日 09时07分

首先:

Canny边缘检测:cv2.Canny()

 

任务1:原理

步骤1.1 噪音去除

由于边缘检测很容易受到噪音影响,所以第一步是使用5×5的高斯滤波器去除噪音。

 

步骤1.2 计算图像梯度

对平滑后的图像使用Sobel算子计算水平方向和竖直方向的一阶导数(图像梯度)(Gx和Gy)。根据得到的这两幅梯度图找到边界的梯度和方向。公式如下:

 

在这里插入图片描述

 

梯度的方向一般总是与边界垂直。梯度方向被归为四类:垂直,水平,和两条对角线。

 

步骤1.3 非极大值抑制

在获得梯度的方向和大小之后,应该对整幅图想做一个扫描,出去那些非边界上的点。对每一个像素进行检查,看这个点的梯度是不是周围具有相同梯度方向的点中最大的。

 

在这里插入图片描述

 

现在你得到的是一个包含“窄边界”的二值图像。

 

步骤1.4滞后阀值

现在要确定那些边界才是真正的边界,需要设置两个阀值:minVal和maxVal。当图像的灰度梯度高于maxVal时被认为是真的边界,那些低于minVal的边界会被抛弃。如果介于两者之间的话,就要看这个点是否与某个被确定为真正边界点相连,如果是,就认为它也是边界点,如果不是就抛弃。

 

任务2:OpenCV中的Canny边界检测

cv2.Canny()第一个参数是输入图像,第二和第三个分别是minVal和maxVal。第三个参数设置用来计算图像梯度的Sobel卷积核的大小,默认值为3。最后一个参数是L2gradient,它可以用来设定求梯度大小的方程。如果设为True,就睡使用我们上面提到过的方程,否则使用方程:在这里插入图片描述代替,默认值为False。

 

import cv2
import numpy as np

img = cv2.imread('1024.jpg',0)
edges = cv2.Canny(img,100,200)

cv2.imshow("original",img)
cv2.imshow("edges",edge)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

总结:

(本系列每周不定期持续更新,谢谢大家支持!)

发表评论

后才能评论