欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

图像处理25:边缘检测

程序员文章站 2024-01-28 08:55:28
...

Canny 边缘检测是一种非常流行的边缘检测算法是 John F.Canny 在 1986 年提出的。

1、噪声去除 

由于边缘检测很容易受到噪声影响,所以第一步是使用 5x5 的高斯滤波器去除噪声。

2、计算图像梯度 

对平滑后的图像使用 Sobel 算子计算水平方向和竖直方向的一阶导数(图像梯度)(Gx 和 Gy)。根据得到的这两幅梯度图(Gx 和 Gy)找到边界的梯度和方向,公式如下: 

图像处理25:边缘检测

梯度的方向一般总是与边界垂直。梯度方向被归为四类:垂直,水平,和 两个对角线。

3、非极大值抑制 

在获得梯度的方向和大小之后,应该对整幅图像做一个扫描,去除那些非边界上的点。对每一个像素进行检查看这个点的梯度是不是周围具有相同梯度方向的点中最大的。如下图所示:

图像处理25:边缘检测

现在你得到的是一个包含“窄边界”的二值图像

4、滞后阈值 

现在要确定那些边界才是真正的边界。这时需要设置两个阈值: minVal 和 maxVal。当图像的灰度梯度高于 maxVal时被认为是真的边界, 那些低于 minVal的边界会被抛弃。如果介于两者之间的话,就要看这个点是否与某个被确定为真正的边界点相连,如果是就认为它也是边界点,如果不是就抛弃。如下图:

图像处理25:边缘检测

A 高于阈值 maxVal 所以是真正的边界点。

C 虽然低于 maxVal 但高于 minVal 并且与 A 相连,所以也被认为是真正的边界点。

B 会被抛弃,因为它不仅低于 maxVal 而且不与真正的边界点相连。

所以选择合适的 maxVal 和 minVal 对于能否得到好的结果非常重要。 在这一步一些小的噪声点也会被除去,因为我们假设边界都是一些长的线段。

OpenCV 中的 Canny 边界检测 

在 OpenCV 中只需要一个函数:cv2.Canny(),就可以完成以上几步。

---这个函数的第一个参数是输入图像

---第二和第三个分别是 minVal 和 maxVal第四个参数设置计算图像梯度的 Sobel 卷积核的大小默认值为 3

---最后一个参数是 L2gradient,它可以用来设定求梯度大小的方程。如果设为 True,就会使用我们上面提到过的方程,否则使用方程:

图像处理25:边缘检测

代替,默认值为 False


#coding:utf-8
import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('F:/moder.jpg')

b, g, r = cv2.split(img)#转换色彩,由bgr转为rgb
img = cv2.merge([r,g,b])#转换色彩,由bgr转为rgb

edges = cv2.Canny(img, 100, 200)

plt.subplot(121),plt.imshow(img, cmap='gray')
plt.title('Original Image'),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(edges, cmap='gray')
plt.title('Edge Image'),plt.xticks([]),plt.yticks([])


plt.show()

结果图:


图像处理25:边缘检测