Python-OpenCV教程 Canny邊緣檢測
本篇文章介紹如何用OpenCV-Python來使用Canny運算元。
提示：
- 轉載請詳細註明原作者及出處，謝謝！
- 本文介紹使用OpenCV-Python實現基本的濾波處理
- 本文不介詳細的理論知識，讀者可從其他資料中獲取相應的背景知識。筆者推薦清華大學出版社的《影象處理與計算機視覺演算法及應用(第2版) 》。
原型
OpenCV-Python中Canny函式的原型為：
edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]]) 必要引數：
- 第一個引數是需要處理的原影象，該影象必須為單通道的灰度圖；
- 第二個引數是閾值1；
- 第三個引數是閾值2。
其中較大的閾值2用於檢測影象中明顯的邊緣，但一般情況下檢測的效果不會那麼完美，邊緣檢測出來是斷斷續續的。所以這時候用較小的第一個閾值用於將這些間斷的邊緣連線起來。
可選引數中apertureSize就是Sobel運算元的大小。而L2gradient引數是一個布林值，如果為真，則使用更精確的L2範數進行計算（即兩個方向的倒數的平方和再開放），否則使用L1範數（直接將兩個方向導數的絕對值相加）。
具體的演算法可參見清華大學出版社的《影象處理與計算機視覺演算法及應用(第2版) 》第二章，其中有Canny演算法的詳細描述及實現。
函式返回一副二值圖，其中包含檢測出的邊緣。
使用
Canny函式的使用很簡單，只需指定最大和最小閾值即可。如下：
-
#coding=utf-8 -
import cv2 -
import numpy as np -
img = cv2.imread("D:/lion.jpg", 0) -
img = cv2.GaussianBlur(img,(3,3),0) -
canny = cv2.Canny(img, 50, 150) -
cv2.imshow('Canny', canny) -
cv2.waitKey(0) -
cv2.destroyAllWindows()
首先，由於Canny只能處理灰度圖，所以將讀取的影象轉成灰度圖。
用高斯平滑處理原影象降噪。
呼叫Canny函式，指定最大和最小閾值，其中apertureSize預設為3。
處理結果如下：
更多
這個程式只是靜態的，在github上有一個可以在執行時調整閾值大小的程式。其程式碼如下：
-
import cv2 -
import numpy as np -
def CannyThreshold(lowThreshold): -
detected_edges = cv2.GaussianBlur(gray,(3,3),0) -
detected_edges = cv2.Canny(detected_edges,lowThreshold,lowThreshold*ratio,apertureSize = kernel_size) -
dst = cv2.bitwise_and(img,img,mask = detected_edges) # just add some colours to edges from original image. -
cv2.imshow('canny demo',dst) -
lowThreshold = 0 -
max_lowThreshold = 100 -
ratio = 3 -
kernel_size = 3 -
img = cv2.imread('D:/lion.jpg') -
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) -
cv2.namedWindow('canny demo') -
cv2.createTrackbar('Min threshold','canny demo',lowThreshold, max_lowThreshold, CannyThreshold) -
CannyThreshold(0) # initialization -
if cv2.waitKey(0) == 27: -
cv2.destroyAllWindows()
原地址在此，其中還有其他的初級影象處理的程式碼，大夥可以去看看。後續文章將介紹更多的OpenCV的函式使用，以及視訊的處理。
參考資料：
1、《Opencv2 Computer Vision Application Programming Cookbook》
2、《OpenCV References Manule》
如果覺得本文寫的還可以的話，請輕點“頂”，您的支援是我寫下去的動力之一。未完待續。。。如有錯誤請指正，本人會虛心接受並改正！謝謝！