OpenCV-Python-邊緣檢測

Canny邊緣檢測方法被譽為邊緣檢測的最優方法。

import cv2
import numpy as np

img = cv2.imread('handwriting.jpg', 0)
edges = cv2.Canny(img, 30, 70)    # canny邊緣檢測

cv2.imshow('canny', np.hstack((img, edges)))
cv2.waitKey(0)

cv2.Canny()進行邊緣檢測，參數2、參數3表示最低和最高閾值。

 

Canny邊緣檢測

具體步驟如下：

1. 使用5x5高斯濾波消除噪聲：

邊緣檢測本身屬於銳化操作，對噪聲比較敏感，所以需要進行平滑處理。高斯濾波的具體內容參考前篇：OpenCV-Python教程9-平滑圖像

2. 計算圖像梯度的方向：

首先使用Sobel算子計算兩個方向上的梯度Gx和Gy，然后算出梯度的方向：

保留這四個方向上的梯度：0°、45°、90°、135°

3. 取局部最大值：

在四個角度方向上取局部最大值

4. 滯后閾值

經過前面三步，剩下0和可能的邊緣梯度值。通過設定兩個閾值來篩選閾值：

• 像素點的值大於最高閾值，那肯定是邊緣（上圖A）
• 像素值小於最低閾值，那肯定不是邊緣
• 像素值介於兩者之間，如果高於最高閾值的點連接，也算邊緣。所以C算，B不算

Canny推薦的高低閾值比在 2 : 1 到 3 : 1 之間

 

先閾值分割后檢測

很多情況下，先閾值分割后再檢測邊緣，效果會更好：

# 先閾值分割后檢測
_, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

edges = cv2.Canny(thresh, 30, 70)

cv2.imshow('canny', np.hstack((img, thresh, edges)))
cv2.waitKey(0)

 

參考地址：http://ex2tron.wang/opencv-python-edge-detection/