python opencv實現(xiàn)圖像邊緣檢測

更新時間：2021年08月24日 11:07:33 作者：葉舟

這篇文章主要為大家詳細(xì)介紹了python opencv實現(xiàn)圖像邊緣檢測，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下

本文利用python opencv進(jìn)行圖像的邊緣檢測，一般要經(jīng)過如下幾個步驟：

1、去噪

如cv2.GaussianBlur()等函數(shù)；

2、計算圖像梯度

圖像梯度表達(dá)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(rèn)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(yīng)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(jìn)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(xiàn)在要確定那些邊界才是真正的邊界。這時我們需要設(shè)置兩個閾值：minVal 和maxVal。當(dāng)圖像的灰度梯度高于maxVal 時被認(rèn)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(rèn)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(shù)，可以對圖像進(jìn)行一鍵執(zhí)行邊緣檢測。

接下來，利用Canny函數(shù)進(jìn)行邊緣檢測的實驗。

Canny函數(shù)需要指定幾個參數(shù)：

1、需要進(jìn)行邊緣檢測的原圖
2、閾值下限
3、閾值上限

我們?yōu)榱四軌蚩吹讲煌撝捣秶鷮吘墮z測結(jié)果的影響，設(shè)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(nèi)容：
對圖片進(jìn)行邊緣檢測；
添加滑動條，可自由調(diào)整閾值上下限。
"""
 
import cv2
import numpy as np
 
def nothing(x):
  pass
 
cv2.namedWindow('Canny',0)
# 創(chuàng)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(shù)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(jiān)測結(jié)果圖
  img_2 = np.hstack((img,edges))
  cv2.imshow('Canny',img_2)
 
cv2.destroyAllWindows()

效果如圖：