溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本文利用python opencv進行圖像的邊緣檢測，一般要經過如下幾個步驟：
1、去噪
如cv2.GaussianBlur()等函數；
2、計算圖像梯度
圖像梯度表達的是各個像素點之間，像素值大小的變化幅度大小，變化較大，則可以認為是出于邊緣位置，最多可簡化為如下形式：
3、非極大值抑制
在獲得梯度的方向和大小之后，應該對整幅圖像做一個掃描，去除那些非邊界上的點。對每一個像素進行檢查，看這個點的梯度是不是周圍具有相同梯度方向的點中最大的。如下圖所示：
4、滯后閾值
現在要確定那些邊界才是真正的邊界。這時我們需要設置兩個閾值：minVal 和maxVal。當圖像的灰度梯度高于maxVal 時被認為是真的邊界，那些低于minVal 的邊界會被拋棄。如果介于兩者之間的話，就要看這個點是否與某個被確定為真正的邊界點相連，如果是就認為它也是邊界點，如果不是就拋棄。如下圖：
在Python Opencv接口中，提供了Canny函數，可以對圖像進行一鍵執行邊緣檢測。
接下來，利用Canny函數進行邊緣檢測的實驗。
Canny函數需要指定幾個參數：
1、需要進行邊緣檢測的原圖
2、閾值下限
3、閾值上限
我們為了能夠看到不同閾值范圍對邊緣檢測結果的影響，設置了兩個滑動條，來分別表示閾值上下限。
完整代碼如下：
# -*- coding: utf-8 -*-
"""
Created on Thu Sep 13 14:23:32 2018
@author: Leon
內容：
對圖片進行邊緣檢測；
添加滑動條，可自由調整閾值上下限。
"""
import cv2
import numpy as np
def nothing(x):
pass
cv2.namedWindow('Canny',0)
# 創建滑動條
cv2.createTrackbar('minval','Canny',0,255,nothing)
cv2.createTrackbar('maxval','Canny',0,255,nothing)
img = cv2.imread('Tree.jpg',0)
# 高斯濾波去噪
img = cv2.GaussianBlur(img,(3,3),0)
edges =img
k=0
while(1):
key = cv2.waitKey(50) & 0xFF
if key == ord('q'):
break
# 讀取滑動條數值
minval = cv2.getTrackbarPos('minval','Canny')
maxval = cv2.getTrackbarPos('maxval','Canny')
edges = cv2.Canny(img,minval,maxval)
# 拼接原圖與邊緣監測結果圖
img_2 = np.hstack((img,edges))
cv2.imshow('Canny',img_2)
cv2.destroyAllWindows()
效果如圖：
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
