主站:http://ex2tron.wang
原文:Python+OpenCV教程11:边缘检测
学习使用Canny获取图像的边缘。图片等可到源码处下载。
目标
- Canny边缘检测的简单概念
- OpenCV函数:cv2.Canny()
教程
废话不多说,直接上
img = cv2.imread('handwriting.jpg', 0)
edges = cv2.Canny(img, 30, 70) # canny边缘检测
cv2.Canny()
进行边缘检测,参数2、3表示最低、高阈值,看完后面的理论就理解了。
经验之谈:之前我们用低通滤波的方式模糊了图片,那如果反过来,想得到物体的边缘,就需要用到高通滤波。如果你要理解接下来要说的Canny检测原理,请先阅读:番外篇:图像梯度
Canny边缘检测
Canny边缘检测方法常被誉为边缘检测的最优方法,具体步骤如下:
1,使用5×5高斯滤波消除噪声:
边缘检测本身属于锐化操作,对噪点比较敏感,所以需要进行平滑处理。
2,计算图像梯度的方向:
首先使用Sobel算子计算梯度Gx
和Gy
,然后算出梯度的方向:θ=arctan(Gy/Gx)
,保留这四个方向的梯度:0°/45°/90°/135°,有什么用呢?我们接着看。
3,取局部极大值:
梯度其实已经表示了轮廓,为了进一步筛选,可以在上面的四个角度方向上再取局部极大值:
比如,A点在45°方向上大于B/C点,那就保留它,把B/C设置为0。
4,滞后阈值:
经过前面三步,就只剩下0和可能的边缘像素值了,为了最终确定下来,需要设定高低阈值:
- 像素点的值大于最高阈值,那肯定是边缘(上图A)
- 同理像素值小于最低阈值,那肯定不是边缘
- 像素值介于两者之间,如果与高于最高阈值的点连接,也算边缘,所以上图中C算,B不算
Canny推荐的高低阈值比在2:1
到3:1
之间。
先阈值分割
其实很多情况下,阈值分割后再检测边缘,效果会更好:
_, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
edges = cv2.Canny(thresh, 30, 70)
代码中我用了番外篇:Otsu阈值法中的自动阈值分割,如果你不太了解,大可以使用传统的方法,不过如果是下面这种图片,推荐用Otsu阈值法。另外Python中某个值不用的话,就写个下划线'_'。
练习
- (选做)如果你不太理解高低阈值的效果,创建两个滑动条来调节它们的值看看:
小结
- Canny是用的最多的边缘检测算法,用cv2.Canny()实现
网友评论