当前位置：首页 > article >正文

《Opencv》Canny边缘检测操作

article 2025/2/1 16:47:48

一、简介

二、操作步骤

三、代码实例

四、代码解释

五、参数调整

六、总结

一、简介

OpenCV 是一个广泛使用的计算机视觉库，提供了许多图像处理和计算机视觉算法。Canny 边缘检测是其中一种常用的边缘检测算法，由 John F. Canny 在 1986 年提出。Canny 边缘检测算法旨在找到图像中的边缘，并且具有以下特点：

低错误率：尽量减少误检和漏检。
定位精度高：检测到的边缘点应该尽可能接近真实边缘。
单一边缘响应：对于每个真实的边缘点，算法应该只返回一个点。

二、操作步骤

Canny 边缘检测算法通常包括以下几个步骤：

高斯滤波：平滑图像以减少噪声。
计算梯度：使用 Sobel 算子计算图像的梯度幅值和方向。
非极大值抑制：在梯度方向上进行非极大值抑制，以细化边缘。
双阈值检测：使用高低阈值来检测和连接边缘。
边缘连接：通过连接强边缘和弱边缘来形成完整的边缘。

三、代码实例

OpenCV 提供了 cv2.Canny() 函数来执行 Canny 边缘检测。以下是一个详细的示例代码，展示了如何使用 OpenCV 进行 Canny 边缘检测。

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 高斯滤波
blurred_image = cv2.GaussianBlur(image, (5, 5), 0)

# Canny 边缘检测
edges = cv2.Canny(blurred_image, threshold1=100, threshold2=200)

# 显示结果
plt.figure(figsize=(10, 5))

plt.subplot(1, 2, 1)
plt.title('Original Image')
plt.imshow(image, cmap='gray')

plt.subplot(1, 2, 2)
plt.title('Canny Edges')
plt.imshow(edges, cmap='gray')

plt.show()

四、代码解释

读取图像：
```
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
```
- cv2.imread()：读取图像文件。
- cv2.IMREAD_GRAYSCALE：以灰度模式读取图像。
高斯滤波：
```
blurred_image = cv2.GaussianBlur(image, (5, 5), 0)
```
- cv2.GaussianBlur()：使用高斯滤波器平滑图像，减少噪声。
- (5, 5)：高斯核的大小。
- 0：标准差，设为 0 表示自动计算。
Canny 边缘检测：
```
edges = cv2.Canny(blurred_image, threshold1=100, threshold2=200)
```
- cv2.Canny()：执行 Canny 边缘检测。
- threshold1 和 threshold2：高低阈值，用于双阈值检测。

显示结果：

plt.figure(figsize=(10, 5))

plt.subplot(1, 2, 1)
plt.title('Original Image')
plt.imshow(image, cmap='gray')

plt.subplot(1, 2, 2)
plt.title('Canny Edges')
plt.imshow(edges, cmap='gray')

plt.show()