PythonOpenCV-边缘和轮廓-边缘检测

0. 简介

　　图像的边缘是指图像中灰度值发生急剧变化的位置，边缘检测的目的是为了绘制出边缘线条。

　　边缘通常是不连续的，不能表示整体。

　　边缘检测结果通常为黑白图像，图像中的白色线条表示边缘。

　　常见的边缘检测算法有 Laplacian边缘检测、Sobel 边缘检测和 Canny 边缘检测等。

 

1.  Laplacian边缘检测

　　Laplacian(拉普拉斯)边缘检测使用图像矩阵与拉普拉斯核进行卷积运算，其质是计算图像中任意一点与其在水平方向和垂直方向上4个相邻点平均值的差值。

　　常用的拉普拉斯核如下：

　　cv2.Laplacian()函数用于实现 Laplacian 边缘检测，其基本格式如下：

dst = cv2.Laplacian(src, ddepth[, ksize[, scale[, delta[, borderType]]]])

　　参数说明：

dst：边缘检测结果图像

src：原图像

ddepth：目标图像的深度

ksize：用于计算二阶导数滤波器的系数，必须为正数且为奇数

scale：可选比例因子

delta：添加到边缘检测结果中的可选增量值

borderType：边界值类型

　　代码示例：

import cv2 as cv
import numpy as np

img_src = cv.imread('./Pictures/opencvlog.jpg')
cv.imshow('src', img_src)
img_dst = cv.Laplacian(img_src, cv.CV_8U)
cv.imshow('dst', img_dst)
cv.waitKey(0)

　　运行结果：

 

2. Sobel 边缘检测

　　Sobel 边缘检测将高斯滤波和微分结合起来执行图像卷积运算，其结果具有定的抗噪性。

　　cv2.Sobel()函数用于实现 Sobel边缘检测，其基本格式如下：

dst = cv2.Sobel(src, depth, dx, dy[, ksize[, scale[, delta[,  borderType]]]])

　　参数说明：

dst：边缘检测结果图像

src：原图像

ddepth：目标图像的深度

dx：导数X的阶数

dy：导数y的阶数

ksize：扩展的 Sobel 内核的大小，必须是 1、3、5或7

scale ：计算导数的可选比例因子

delta：添加到边缘检测结果中的可选增量值

borderType：边界值类型

　　代码示例：

import cv2 as cv
import numpy as np

img_src = cv.imread('./Pictures/opencvlog.jpg')
cv.imshow('src', img_src)
img_dst = cv.Sobel(img_src, cv.CV_8U, 0, 1)
cv.imshow('dst', img_dst)
cv.waitKey(0)

　　运行结果：

 

3. Canny边缘检测

　　Laplacian 边缘检测和 Sobel 边缘检测都是通过卷积运算来计算边缘，它们的算法比较简单，因此结果可能会损失过多的边缘信息或有很多的噪声。

　　Canny边缘检测的算法更复杂，它包含下列 5 个步骤：

1. 使用高斯滤波去除图像噪声
2. 使用 Sobel 核进行滤波，计算梯度
3. 在边缘使用非最大值抑制
4. 对检测出的边缘使用双闯值以去除假阳性
5. 分析边缘之间的连接性，保留真正的边缘，消除不明显的边缘

　　cv2.Canny0函数用于实现 Canny 边缘检测，其基本格式如下：

dst = cv2.Canny(src, threshold1, threshold2[, apertureSize[, L2gradient]])

　　参数说明：

dst：边缘检测结果图像

src：原图像

threshold1：第 1 阈值

threshold2：第2 阈值

apertureSize：计算梯度时使用的 Sobel 核大小

L2gradient：标志。

　　代码示例：

import cv2 as cv
import numpy as np

img_src = cv.imread('./Pictures/opencvlog.jpg')
cv.imshow('src', img_src)
img_dst = cv.Canny(img_src, 100, 200)
cv.imshow('dst', img_dst)
cv.waitKey(0)

　　运行结果：

 

 

/*-------------------------------------------------------------------------------------------------------

笔者说明：

　　该笔记来源于本人学习Python + OpenCv时的资料，

　　分享出来只是为了供大家学习，并且为了自己以后想要用的时候方便寻找。

时间：2023年8月22日

------------------------------------------------------------------------------------------------------------*/