Python?OpenCV?Canny邊緣檢測算法的原理實(shí)現(xiàn)詳解
Gaussian smoothing
總的來說,Canny邊緣檢測可以分為四個(gè)步驟:
由于邊緣檢測對(duì)噪聲敏感,因此對(duì)圖像應(yīng)用高斯平滑以幫助減少噪聲。
具體做法是,采用一個(gè)5*5的高斯平滑濾波器對(duì)圖像進(jìn)行濾波處理。
Computing the gradient magnitude and orientation
對(duì)平滑后的圖像,在水平、垂直兩個(gè)方向上使用Sobel算子(如下圖)計(jì)算梯度大小,得到兩個(gè)方向上的一階導(dǎo)數(shù)Gx與Gy。
在得到兩個(gè)方向上的梯度之后,對(duì)這兩個(gè)向量求和,得到這一點(diǎn)處的梯度大小與方向。
采用四舍五入,將梯度方向確定為上下左右與四個(gè)對(duì)角線方向之一(45°的倍數(shù))。
Non-maxima suppression
在得到梯度大小與方向之后,對(duì)圖像進(jìn)一步掃描,去除不構(gòu)成邊緣的不重要的像素信息,這里采用的方法是非極大值抑制——在每個(gè)像素處,檢查像素是否在其梯度方向的鄰域中是局部最大值,只保留局部最大值的梯度。
在上圖中,點(diǎn)A位于邊緣上。梯度方向與邊緣方向垂直。為了確定要不要保留A點(diǎn)作為邊緣,需要將A點(diǎn)處的梯度大小與B、C兩點(diǎn)的梯度大小比較,如果A點(diǎn)的梯度大小不是局部最大,則將該點(diǎn)抑制。
因此,從結(jié)果上講,NMS其實(shí)是將B、C兩點(diǎn)抑制了,它們不會(huì)出現(xiàn)在結(jié)果中,因此這一步的效果是“thin edges”。
Hysteresis thresholding
定義上界與下界兩個(gè)閾值,并規(guī)定:
- 任何梯度強(qiáng)度大于上界的像素都是邊;
- 任何梯度強(qiáng)度小于下界的像素都不是邊;
- 任何梯度介于兩個(gè)閾值之間的可能是邊,此時(shí)考察它們的連通性,如果它們和第一種情況(確定是邊緣的像素)相連接,就認(rèn)為它們是邊緣,否則認(rèn)為它們不是邊緣。
在上圖中,A點(diǎn)在maxVal閾值之上,確定是邊緣。C介于兩個(gè)閾值之間,但與A相連,因此它也是邊緣。B介于兩個(gè)閾值之間,它所在的曲線上并沒有任何像素點(diǎn)的梯度強(qiáng)度在maxVal之上,因此它不是邊緣。
需要指出的是,上面四步操作之后得到的是strong edges。
OpenCV實(shí)現(xiàn)
OpenCV提供了cv.Canny()方法,該方法將輸入的原始圖像轉(zhuǎn)換為邊緣圖像。
該方法的原型為:
cv.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges cv.Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]) -> edges
image參數(shù)是array格式的輸入圖像。threshold1與threshold2分別是我們的下界閾值與上界閾值。apertureSize是用于查找圖像梯度的Sobel核的大小,默認(rèn)為3。L2gradient指定了求梯度幅值的公式,是一個(gè)布爾型變量,默認(rèn)為False。當(dāng)它為True時(shí),使用L2,否則使用L1。
下面是具體代碼:
def canny_detect(image_path, show=True): # 讀取圖像 image = cv2.imread(image_path, 0) # 獲取結(jié)果 edges = cv2.Canny(image, 100, 200) if show: # 繪制原圖 plt.subplot(121) plt.imshow(image, cmap='gray') plt.title('Original Image') plt.xticks([]) plt.yticks([]) # 繪制邊緣圖 plt.subplot(122) plt.imshow(edges, cmap='gray') plt.title('Edge Image') plt.xticks([]) plt.yticks([]) plt.show() return edges canny_detect('images/2.jpeg')
效果:
到此這篇關(guān)于Python OpenCV Canny邊緣檢測算法的原理實(shí)現(xiàn)詳解的文章就介紹到這了,更多相關(guān)Python OpenCV Canny邊緣檢測 內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python unittest如何生成HTMLTestRunner模塊
這篇文章主要介紹了Python unittest如何生成HTMLTestRunner模塊,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-09-09django 使用 request 獲取瀏覽器發(fā)送的參數(shù)示例代碼
這篇文章主要介紹了django 使用 request 獲取瀏覽器發(fā)送的參數(shù)示例代碼,獲取數(shù)據(jù)有四種方式,具體內(nèi)容詳情大家跟隨腳本之家小編一起看看吧2018-06-06Python?lambda函數(shù)保姆級(jí)使用教程
本文和你一起探索Python中的lambda函數(shù),讓你以最短的時(shí)間明白這個(gè)函數(shù)的原理。也可以利用碎片化的時(shí)間鞏固這個(gè)函數(shù),讓你在處理工作過程中更高效2022-06-06Python生命游戲?qū)崿F(xiàn)原理及過程解析(附源代碼)
這篇文章主要介紹了Python生命游戲?qū)崿F(xiàn)原理及過程解析(附源代碼),文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08python中ndarray數(shù)組的索引和切片的使用
本文主要介紹了python中ndarray數(shù)組的索引和切片的使用,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-07-07Python求兩個(gè)圓的交點(diǎn)坐標(biāo)或三個(gè)圓的交點(diǎn)坐標(biāo)方法
今天小編就為大家分享一篇Python求兩個(gè)圓的交點(diǎn)坐標(biāo)或三個(gè)圓的交點(diǎn)坐標(biāo)方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-11-11