使用cv2.canny进行图像边缘检测
CV2提供了提取图像边缘的函数canny。
其算法思想如下：
- 1.使用高斯模糊，去除噪音点（cv2.GaussianBlur）
- 2.灰度转换（cv2.cvtColor）
- 3.使用sobel算子，计算出每个点的梯度大小和梯度方向
- 4.使用非极大值抑制(只有最大的保留)，消除边缘检测带来的杂散效应
- 5.应用双阈值，来确定真实和潜在的边缘
- 6.通过抑制弱边缘来完成最终的边缘检测
Canny函数的定义如下：
edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]]) 参数含义如下：
image：要检测的图像threshold1：阈值1（最小值）threshold2：阈值2（最大值），使用此参数进行明显的边缘检测edges：图像边缘信息apertureSize：sobel算子（卷积核）大小L2gradient：布尔值。True：使用更精确的L2范数进行计算（即两个方向的导数的平方和再开方）False：使用L1范数（直接将两个方向导数的绝对值相加）
其中较大的阈值2用于检测图像中明显的边缘，但一般情况下检测的效果不会那么完美，边缘检测出来是断断续续的。所以这时候用较小的第一个阈值用于将这些间断的边缘连接起来。
阈值对检测结果的影响
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('d:\\girl.png')
edges = cv2.Canny(img,100,200,apertureSize=3)
edges2 = cv2.Canny(img,100,200,apertureSize=5)
plt.subplot(131),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(132),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image1'), plt.xticks([]), plt.yticks([])
plt.subplot(133),plt.imshow(edges2,cmap = 'gray')
plt.title('Edge Image2'), plt.xticks([]), plt.yticks([])
plt.show()
可以看到，在调整threshold1之后，检测出的边缘增多了。
sobel算子对检测结果的影响
sobel默认的算子大小是3，扩大算子，会获得更多的细节，但是也更能提取图像了。
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('d:\\girl.png')
edges = cv2.Canny(img,100,200,apertureSize=3)
edges2 = cv2.Canny(img,100,200,apertureSize=5)
plt.subplot(131),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(132),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image1'), plt.xticks([]), plt.yticks([])
plt.subplot(133),plt.imshow(edges2,cmap = 'gray')
plt.title('Edge Image2'), plt.xticks([]), plt.yticks([])
plt.show()
范数对检测结果的影响
L2gradient=True时，检测出的边缘减少了。
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('d:\\girl.png')
edges = cv2.Canny(img,100,200,L2gradient=False)
edges2 = cv2.Canny(img,100,200,L2gradient=True)
plt.subplot(131),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(132),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image1'), plt.xticks([]), plt.yticks([])
plt.subplot(133),plt.imshow(edges2,cmap = 'gray')
plt.title('Edge Image2'), plt.xticks([]), plt.yticks([])
plt.show()
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持编程网。
