边缘检测

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Mind_programmonkey/article/details/99476665

Canny边缘检测

• 使用高斯滤波器，以平滑图像，滤除噪声。

• 计算图像中每个像素点的梯度强度和方向。

• 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。

• 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。

• 通过抑制孤立的弱边缘最终完成边缘检测。

1 高斯滤波器

2 梯度和方向

3 非极大值抑制

4 双阈值检测

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

def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

img=cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE)

v1=cv2.Canny(img,80,150)
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))
cv_show(“res”,res)

plt.imshow(res)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

<matplotlib.image.AxesImage at 0x1e2434759e8>

• 1

img=cv2.imread("car.png",cv2.IMREAD_GRAYSCALE)

v1=cv2.Canny(img,120,250)
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))

cv_show(“res”,res)
plt.imshow(res)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

<matplotlib.image.AxesImage at 0x1e254ca7828>

• 1

                                </div>
            <link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-e9f16cbbc2.css" rel="stylesheet">
                </div>

Canny边缘检测

• 使用高斯滤波器，以平滑图像，滤除噪声。

• 计算图像中每个像素点的梯度强度和方向。

• 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。

• 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。

• 通过抑制孤立的弱边缘最终完成边缘检测。

1 高斯滤波器

2 梯度和方向

3 非极大值抑制

4 双阈值检测

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

来源：https://blog.csdn.net/qq_38325803/article/details/102726431