Python中cv2.Canny() 函数用法详解
一、Canny算子边缘检测原理及步骤
cv2.Canny() 函数是 OpenCV 中的边缘检测函数之一,用于检测图像的边缘。它的基本原理是通过计算图像中每个像素点的梯度值来检测边缘。具体来说,它的实现步骤如下:
1、对输入图像进行高斯滤波,以平滑图像并去除噪声;
2、计算图像的梯度,找到像素点处灰度值变化最大的方向和大小;
3、应用非极大值抑制(Non-maximum Suppression),以消除可能出现的重复边缘;
4、应用双阈值(Double Thresholding)来检测和连接边缘。
二、cv2.Canny() 函数的语法
cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges
其中,各参数的含义如下:
- image:输入图像,必须为单通道灰度图像;
- threshold1:第一个阈值,用于边缘连接;
- threshold2:第二个阈值,用于边缘检测;
- edges:输出的边缘图像;
- apertureSize:Sobel 算子的大小,可选值为 3、5、7,默认值为 3;
- L2gradient:是否使用
范数计算梯度大小,可选值为 True 和 False,默认值为 False。 - cv2.Canny() 函数的返回值为边缘图像。
注:第一个阈值参数为低阈值,用于确定哪些梯度变化被认为是潜在的边缘。所有梯度值高于低阈值的像素点都被认为是潜在的边缘点。第二个阈值参数为高阈值,用于确定哪些潜在的边缘点是真正的边缘。所有梯度值高于高阈值的像素点都被认为是真正的边缘点。同时,所有梯度值低于低阈值的像素点都被认为不是边缘点。在实际应用中,合适的阈值参数需要根据具体图像和任务进行调整,以获得最佳效果。通常,可以通过试验不同的参数值来确定最佳的阈值参数。
三、应用示例
下面是一个使用 cv2.Canny() 函数进行边缘检测的例子:
import cv2
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 100, 200)
cv2.imshow('Original Image', img)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
在上面的例子中,我们将一张彩色图像读入,将其转化为灰度图像后,使用 cv2.Canny() 函数进行边缘检测。其中,第一个阈值为 100,第二个阈值为 200。最后,我们将原始图像和边缘图像一起显示出来。
文章出处登录后可见!
已经登录?立即刷新