Python中cv2.Canny() 函數(shù)用法詳解

一、Canny算子邊緣檢測原理及步驟

cv2.Canny() 函數(shù)是 OpenCV 中的邊緣檢測函數(shù)之一，用于檢測圖像的邊緣。它的基本原理是通過計算圖像中每個像素點的梯度值來檢測邊緣。具體來說，它的實現(xiàn)步驟如下：
1、對輸入圖像進行高斯濾波，以平滑圖像并去除噪聲；
2、計算圖像的梯度，找到像素點處灰度值變化最大的方向和大??；
3、應用非極大值抑制（Non-maximum Suppression），以消除可能出現(xiàn)的重復邊緣；
4、應用雙閾值（Double Thresholding）來檢測和連接邊緣。

二、cv2.Canny() 函數(shù)的語法

cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges

其中，各參數(shù)的含義如下：

• image：輸入圖像，必須為單通道灰度圖像；
• threshold1：第一個閾值，用于邊緣連接；
• threshold2：第二個閾值，用于邊緣檢測；
• edges：輸出的邊緣圖像；
• apertureSize：Sobel 算子的大小，可選值為 3、5、7，默認值為 3；
• L2gradient：是否使用 L 2 L_2L 2 范數(shù)計算梯度大小，可選值為 True 和 False，默認值為 False。
• cv2.Canny() 函數(shù)的返回值為邊緣圖像。

注：第一個閾值參數(shù)為低閾值，用于確定哪些梯度變化被認為是潛在的邊緣。所有梯度值高于低閾值的像素點都被認為是潛在的邊緣點。第二個閾值參數(shù)為高閾值，用于確定哪些潛在的邊緣點是真正的邊緣。所有梯度值高于高閾值的像素點都被認為是真正的邊緣點。同時，所有梯度值低于低閾值的像素點都被認為不是邊緣點。在實際應用中，合適的閾值參數(shù)需要根據(jù)具體圖像和任務進行調(diào)整，以獲得最佳效果。通常，可以通過試驗不同的參數(shù)值來確定最佳的閾值參數(shù)。

三、應用示例

下面是一個使用 cv2.Canny() 函數(shù)進行邊緣檢測的例子：

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，我們將一張彩色圖像讀入，將其轉(zhuǎn)化為灰度圖像后，使用 cv2.Canny() 函數(shù)進行邊緣檢測。其中，第一個閾值為 100，第二個閾值為 200。最后，我們將原始圖像和邊緣圖像一起顯示出來。

到此這篇關于Python中cv2.Canny() 函數(shù)用法詳解的文章就介紹到這了,更多相關Python cv2.Canny() 函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論