本文利用python opencv进行图像的边缘检测,一般要经过如下几个步骤:
<强> 1,去噪
如cv2.GaussianBlur()等函数;
<强> 2,计算图像梯度
图像梯度表达的是各个像素点之间,像素值大小的变化幅度大小,变化较大,则可以认为是出于边缘位置,最多可简化为如下形式:
<强> 3,非极大值抑制
在获得梯度的方向和大小之后,应该对整幅图像做一个扫描,去除那些非边界上的点,对每一个像素进行检查,看这个点的梯度是不是周围具有相同梯度方向的点中最大的。如下图所示:
<强> 4,滞后阈值
现在要确定那些边界才是真正的边界。这时我们需要设置两个阈值:minVal和maxVal。当图像的灰度梯度高于maxVal时被认为是真的边界,那些低于minVal的边界会被抛弃。如果介于两者之间的话,就要看这个点是否与某个被确定为真正的边界点相连,如果是就认为它也是边界点,如果不是就抛弃。如下图:
在Python Opencv接口中,提供了精明的函数,可以对图像进行一键执行边缘检测只
接下来,利用精明的函数进行边缘检测的实验。
精明的函数需要指定几个参数:
1,需要进行边缘检测的原图
2、阈值下限
3、阈值上限
我们为了能够看到不同阈值范围对边缘检测结果的影响,设置了两个滑动条,来分别表示阈值上下限。
完整代码如下:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
