opencv—canny边缘提取

Canny算法步骤

①高斯模糊 - GaussianBlur ②灰度转换 - cvtColor ③计算梯度 – Sobel/Scharr ④非最大信号抑制 ⑤高低阈值输出二值图像——高低阈值比值为2:1或3:1最佳

import cv2 as cv def canny_demo(img): gaus = cv.GaussianBlur(img, (3, 3), 0) gray = cv.cvtColor(gaus,cv.COLOR_BGR2GRAY) gradx = cv.Sobel(gray, cv.CV_16SC1, 1, 0) grady = cv.Sobel(gray, cv.CV_16SC1, 0, 1) edge_out = cv.Canny(gradx, grady, 50, 150) # 黑白的边缘 高低阈值比值为2:1或3:1最佳(50:150 = 1:3) cv.imshow("canny_demo", edge_out) dst = cv.bitwise_and(img, img,mask=edge_out) # 彩色的边缘 cv.imshow("color_canny", dst) src = cv.imread("./../img/w8.jpg") # 读取图像 cv.namedWindow("input img", cv.WINDOW_AUTOSIZE) cv.imshow("input img", src) # 显示图像 canny_demo(src) cv.waitKey(0) cv.destroyAllWindows()

Canny算法的两种方式 1.使用带自定义图像渐变的Canny算法在图像中查找边缘，

其函数原型为：Canny(dx, dy, threshold1, threshold2, edges, L2gradient)

dx参数表示输入图像的x导数（x导数满足16位，选择CV_16SC1或CV_16SC3）dy参数表示输入图像的y导数（y导数满足16位，选择CV_16SC1或CV_16SC3）。threshold1参数表示设置的低阈值。threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。edges参数表示输出边缘图像，单通道8位图像。L2gradient参数表示L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）

直接调用Canny算法在单通道灰度图像中查找边缘

其函数原型为：Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)

image参数表示8位输入图像。threshold1参数表示设置的低阈值。threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。edges参数表示输出边缘图像，单通道8位图像。apertureSize参数表示Sobel算子的大小L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）。