opencv-边缘检测

文章目录

一、Canny边缘检测

Canny边缘检测器是一种被广泛使用的算法,并被认为是边缘检测最优的算法,该方法使用了比高斯差分算法更复杂的技巧,如多向灰度梯度和滞后阈值化

步骤

1.平滑图像:使用高斯滤波器与图像进行卷积,平滑图像,以减少边缘检测器上明显的噪声影响。
使用高斯滤波器,以平滑图像,滤除噪声。

2.计算图像的梯度和方向:图像中的边缘可以指向各个方向,这里计算图像的梯度,并将梯度分类为垂直、水平和斜对角。
计算图像中每个像素点的梯度强度和方向。

3.非最大值抑制:利用上一步计算出来的梯度方向,检测某一像素在梯度的正方向和负方向上是否是局部最大值,如果是,则该像素点保留为边缘点,否则该像素点将被抑制。
应用非极大值(Non-Maximum Suppression)抑制,以消除边缘检测带来的杂散响应。

4.双阈值算法检测和连接边缘:仍然存在由于噪声和颜色变化引起的一些边缘像素。为了解决这些杂散响应,必须用弱梯度值过滤边缘像素,并保留具有高梯度值的边缘像素,可以通过选择高低阈值来实现
应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘。

5.通过抑制孤立的弱边缘最终完成边缘检测。

1.1高斯滤波器

opencv-边缘检测

2.1梯度和方向

opencv-边缘检测

3.1非极大值抑制

图像中的边缘可以指向各个方向,这里计算图像的梯度,并将梯度分类为垂直、水平和斜对角。
利用上一步计算出来的梯度方向,检测某一像素在梯度的正方向和负方向上是否是局部最大值,如果是,则该像素点保留为边缘点,否则该像素点将被抑制。
opencv-边缘检测
opencv-边缘检测

4.1双阈值检测

仍然存在由于噪声和颜色变化引起的一些边缘像素。为了解决这些杂散响应,必须用弱梯度值过滤边缘像素,并保留具有高梯度值的边缘像素,可以通过选择高低阈值来实现
opencv-边缘检测
核心代码

img=cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE)
# 阈值最小和最大
v1=cv2.Canny(img,80,150)
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))
cv_show(res,'res')

可以从下图看出,阈值小得到的特征比较多opencv-边缘检测

上一篇:[APP] Android 开发笔记 004-Android常用基本控件使用说明


下一篇:Opencv第5讲---图像像素的算数操作