在彩色图像上使用精明

Posted 2023-02-21

【中文标题】在彩色图像上使用精明

【英文标题】：Using canny on colored image

【发布时间】：2020-10-24 18:18:05

【问题描述】：

我是图像处理和 opencv 的新手，但最近我正在研究边缘检测的想法，对此我有疑问：

canny 可以直接应用于彩色图像而不将其转换为灰度吗？这会影响结果吗？我试过了（使用c++ opnencv函数）没有错误或问题，结果与我将图像更改为灰度后的结果不同。

我读到对于彩色图像，我应该分别在每个通道上应用 canny，然后组合结果.. 好吧，假设每个通道有 3 个结果，如何将它们组合在一起以获得最终结果？

处理灰度图像是否真的比彩色图像更快，因为在后期我们有 3 个通道（逻辑上看起来是的，但没有参考比较每种方法的优缺点；我所拥有的只是灰度是更快，而对于图像分割，彩色图像可以提供更多信息）在边缘检测的概念中，使用彩色图像是否更好？

【问题讨论】：

这能回答你的问题吗？ Can Canny in OpenCV deal with both grayscale and color images?

@Burak 谢谢，但它只回答第一个，而不是第二个和第三个

【参考方案1】：

如果你接受 python，那么你可以这样做：

第二个问题：

---

分离通道使用split方法分离通道，对每个通道应用不同的阈值水平Canny，然后使用merge方法组合结果。

---

import cv2   

img = cv2.imread("grl.jpg")
(B, G, R) = cv2.split(img)
B_cny = cv2.Canny(B, 50, 200)
G_cny = cv2.Canny(G, 50, 200)
R_cny = cv2.Canny(R, 50, 200)
img_cny = cv2.merge([B_cny, G_cny, R_cny]) 

结果：

---

可能的问题：为什么split 返回B、G 和R？

答案：opencv 以(BGR) 格式读取图像，因此split 返回(B, G, R) 格式

你也可以直接应用到图片上（感谢@fmw42）：

结果：

第三个问题：

---

是的，处理灰度图像比处理彩色图像要快得多。

我们看到不同颜色的图像，但计算机看到的是值矩阵：

例如：

25 45 67 37 90 ..
56  .
46     .     
34        .
13           .
.
.

矩阵中的每个单元格可以在 0-255 之间变化。灰度图像（矩阵）只有1个通道，彩色图像有3个通道（矩阵）

因此，您可以认为计算单矩阵（灰色）比计算 3 矩阵（图像）要快

【讨论】：

谢谢，所以合并频道是可以接受的，我不确定这是否可以接受

我没有看到任何限制精明到灰度图像的限制。见docs.opencv.org/4.1.1/dd/d1a/…

感谢@fmw42 的警告。