Python中cv2.Canny() 函数用法详解_cv2.canny函数

Python中cv2.Canny() 函数用法详解

一、Canny算子边缘检测原理及步骤
cv2.Canny() 函数是 OpenCV 中的边缘检测函数之一，用于检测图像的边缘。它的基本原理是通过计算图像中每个像素点的梯度值来检测边缘。具体来说，它的实现步骤如下：
1、对输入图像进行高斯滤波，以平滑图像并去除噪声；
2、计算图像的梯度，找到像素点处灰度值变化最大的方向和大小；
3、应用非极大值抑制（Non-maximum Suppression），以消除可能出现的重复边缘；
4、应用双阈值（Double Thresholding）来检测和连接边缘。
二、cv2.Canny() 函数的语法

cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges
1

其中，各参数的含义如下：

• image：输入图像，必须为单通道灰度图像；
• threshold1：第一个阈值，用于边缘连接；
• threshold2：第二个阈值，用于边缘检测；
• edges：输出的边缘图像；
• apertureSize：Sobel 算子的大小，可选值为 3、5、7，默认值为 3；
• L2gradient：是否使用 $L_2$ 范数计算梯度大小，可选值为 True 和 False，默认值为 False。
• cv2.Canny() 函数的返回值为边缘图像。

注：第一个阈值参数为低阈值，用于确定哪些梯度变化被认为是潜在的边缘。所有梯度值高于低阈值的像素点都被认为是潜在的边缘点。第二个阈值参数为高阈值，用于确定哪些潜在的边缘点是真正的边缘。所有梯度值高于高阈值的像素点都被认为是真正的边缘点。同时，所有梯度值低于低阈值的像素点都被认为不是边缘点。在实际应用中，合适的阈值参数需要根据具体图像和任务进行调整，以获得最佳效果。通常，可以通过试验不同的参数值来确定最佳的阈值参数。
三、应用示例
下面是一个使用 cv2.Canny() 函数进行边缘检测的例子：

import cv2
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
edges = cv2.Canny(gray, 100, 200)
cv2.imshow('Original Image', img)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8

在上面的例子中，我们将一张彩色图像读入，将其转化为灰度图像后，使用 cv2.Canny() 函数进行边缘检测。其中，第一个阈值为 100，第二个阈值为 200。最后，我们将原始图像和边缘图像一起显示出来。