OpenCV竟然可以这样学!成神之路终将不远(十五)
Posted 满目星辰wwq
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了OpenCV竟然可以这样学!成神之路终将不远(十五)相关的知识,希望对你有一定的参考价值。
目录
15 Canny边缘检测
15.1 目标
在本章中,我们将学习 - Canny边缘检测的概念 - OpenCV函数: cv.Canny()
15.2 理论
Canny Edge Detection是一种流行的边缘检测算法。它由John F. Canny发明
- 这是一个多阶段算法,我们将经历每个阶段。
- 降噪
由于边缘检测容易受到图像中噪声的影响,因此第一步是使用5x5高斯滤波器消除图像中的噪声。我们已经在前面的章节中看到了这一点。
15.2.1 查找图像的强度梯度
然后使用Sobel核在水平和垂直方向上对平滑的图像进行滤波,以在水平方向(Gx)和垂直方向(Gy)上获得一阶导数。从这两张图片中,我们可以找到每个像素的边缘渐变和方向,如下所示:
渐变方向始终垂直于边缘。将其舍入为代表垂直,水平和两个对角线方向的四个角度之一。
非极大值抑制:在获得梯度大小和方向后,将对图像进行全面扫描,以去除可能不构成边缘的所有不需要的像素。为此,在每个像素处,检查像素是否是其在梯度方向上附近的局部最大值。查看下面的图片:
点A在边缘(垂直方向)上。渐变方向垂直于边缘。点B和C在梯度方向上。因此,将A点与B点和C点进行检查,看是否形成局部最大值。如果是这样,则考虑将其用于下一阶段,否则将其抑制(置为零)。 简而言之,你得到的结果是带有“细边”的二进制图像。
15.2.2 磁滞阈值
该阶段确定哪些边缘全部是真正的边缘,哪些不是。为此,我们需要两个阈值minVal和maxVal。强度梯度大于maxVal 的任何边缘必定是边缘,而小于minVal的那些边缘必定是非边缘,因此将其丢弃。介于这两个阈值之间的对象根据其连通性被分类为边缘或非边缘。如果将它们连接到“边缘”像素,则将它们视为边缘的一部分。否则,它们也将被丢弃。见下图:
边缘A在maxVal 之上,因此被视为“确定边缘”。尽管边C低于maxVal,但它连接到边A,因此也被视为有效边,我们得到了完整的曲线。但是边缘B尽管在minVal之上并且与边缘C处于同一区域,但是它没有连接到任何“确保边缘”,因此被丢弃。因此,非常重要的一点是我们必须相应地选择minVal和maxVal 以获得正确的结果。
注意:在边缘为长线的假设下,该阶段还消除了小像素噪声。因此,我们最终得到的是图像中的强边缘。
15.3 OpenCV中的Canny Edge检测
OpenCV将以上所有内容放在单个函数cv.Canny()中。我们将看到如何使用它。
第一个参数是我们的输入图像。
第二个和第三个参数分别是我们的minVal和maxVal 。
第三个参数是perture_size 。它是用于查找图像渐变的Sobel内核的大小。默认情况下为3。
最后一个参数是L2gradient,它指定用于查找梯度幅度的方程式。如果为True ,则使用上面提到的更精确的公式,否则使用以下函数:
默认情况下,它为False 。
代码如下:
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('test.jpg', 0)
edges = cv.Canny(img, 100, 200)
plt.subplot(121), plt.imshow(img, 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(edges, 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])
plt.show()
运行结果如下:
15.4 附加资源
15.5 练习
编写一个小应用程序以找到Canny边缘检测,该检测的阈值可以使用两个跟踪栏进行更改。这样,你可以了解阈值的影响。
代码如下:
import cv2 as cv
def nothing(x):
pass
img = cv.imread('01.jpg', 0)
# 创建一个窗口以供使用
cv.namedWindow('Edges', cv.WINDOW_NORMAL)
# 创建阈值变化的轨迹栏
cv.createTrackbar('minValue', 'Edges', 0, 255, nothing)
cv.createTrackbar('maxValue', 'Edges', 0, 255, nothing)
while True:
if cv.waitKey(1) & 0xFF == 27:
break
# 得到两条轨迹的当前位置
min_value = cv.getTrackbarPos('minValue', 'Edges')
max_value = cv.getTrackbarPos('maxValue', 'Edges')
edges = cv.Canny(img, min_value, max_value)
cv.imshow('Edges', edges)
cv.destroyAllWindows()
运行结果如下:
欢迎评论区留言,一起探讨OpenCV成神之路的奥秘。
顺便给我加个关注,点个赞,加个收藏,让我们一起登上神坛。
以上是关于OpenCV竟然可以这样学!成神之路终将不远(十五)的主要内容,如果未能解决你的问题,请参考以下文章