這篇文章主要介紹了opencv python Canny邊緣提取實現過程解析,文中通過示例程式碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下

Canny是邊緣提取演算法，在1986年提出的是一個很好的邊緣檢測器Canny演算法介紹

非最大訊號抑制：

高低閾值連線：

example

import cv2 as cv
import numpy as np


# canny運算步驟：5步
# 1. 高斯模糊 - GaussianBlur
# 2. 灰度轉換 - cvtColor
# 3. 計算梯度 - Sobel/Scharr
# 4. 非極大值抑制
# 5. 高低閾值輸出二值影象

# 非極大值抑制：
# 演算法使用一個3×3鄰域作用在幅值陣列M[i,j]的所有點上；
# 每一個點上，鄰域的中心畫素M[i,j]與沿著梯度線的兩個元素進行比較，
# 其中梯度線是由鄰域的中心點處的扇區值ζ[i,j]給出。
# 如果在鄰域中心點處的幅值M[i,j]不比梯度線方向上的兩個相鄰點幅值大，則M[i,j]賦值為零，否則維持原值；
# 此過程可以把M[i,j]寬屋脊帶細化成只有一個畫素點寬，即保留屋脊的高度值。

# 高低閾值連線
# T1，T2為閾值，凡是高於T2的都保留，凡是低於T1的都丟棄
# 從高於T2的畫素出發，凡是大於T1而且相互連線的都保留。最終得到一個輸出二值影象
# 推薦高低閾值比值為T2:T1 = 3:1/2:1,其中T2高閾值，T1低閾值


def edge_demo(image):
  blurred = cv.GaussianBlur(image,(3,3),0)
  gray = cv.cvtColor(blurred,cv.COLOR_BGR2GRAY)

  grad_x = cv.Sobel(gray,cv.CV_16SC1,1,0)
  grad_y = cv.Sobel(gray,1)

  # edge_output = cv.Canny(grad_x,grad_y,30,150)
  edge_output = cv.Canny(gray,50,150)
  cv.imshow("gray",gray)
  cv.imshow("Canny demo",edge_output)


def main():
  src = cv.imread("../images/Crystal.jpg")
  cv.imshow("demo",src)

  edge_demo(src)
  cv.waitKey(0) # 等有鍵輸入或者1000ms後自動將視窗消除，0表示只用鍵輸入結束視窗
  cv.destroyAllWindows() # 關閉所有視窗


if __name__ == '__main__':
  main()

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。