Opencv笔记（4）：图像阈值和Canny边缘检测_边缘检测阈值设定方法

目录

1-图像阈值 

2-Canny边缘检测

基本流程

高斯滤波器

梯度和方向

非极大值抑制

双阈值检测

代码实现

---

1-图像阈值 

ret,dst=cv2.threshold(src,thresh,maxval,type)这个函数接受一个图像，并对其进行阈值操作处理

• ret：实际使用的阈值
• dst：返回的图像
• src：原图像名（单通道灰度图像）
• thresh：自己设定的灰度值的阈值
• maxval:像素可以设置的最大值，一般为255
• type：要应用的阈值类型

常见阈值类型：

• cv2.THRESH_BINARY：像素的强度大于阈值时，设置为 maxval，否则设置为 0。（比较亮的地方变成白色，比较黑的地方变成黑色）
• cv2.THRESH_BINARY_INV：反转的二进制阈值。像素的强度大于阈值时，设置为 0，否则设置为 maxval。（比较亮的地方变成黑色，比较黑的地方变成白色）
• cv2.THRESH_TRUNC：截断阈值。像素的强度大于阈值时，设置为阈值本身。(>thresh的就变成thresh）
• cv2.THRESH_TOZERO：阈值设为零。像素的强度小于阈值（thresh，比较暗的）时，设置为 0（黑色），否则保持不变。
• cv2.THRESH_TOZERO_INV：反转的阈值设为零。像素的强度大于阈值时，设置为 0，否则保持不变。

import cv2
import matplotlib.pyplot as plt
 
img=cv2.imread('cat.jpg',cv2.IMREAD_GRAYSCALE)#转化为灰度图
ret,thresh1=cv2.threshold(img,127,255,cv2.THRESH_BINARY)
ret,thresh2=cv2.threshold(img,127,255,cv2.THRESH_BINARY_INV)
ret,thresh3=cv2.threshold(img,127,255,cv2.THRESH_TRUNC)
ret,thresh4=cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
ret,thresh5=cv2.threshold(img,127,255,cv2.THRESH_TOZERO_INV)
 
 
titles=['Original image','BINARY','BINARY_INV','TRUNC','TOZERO','TOZERO_INV']
images=[img,thresh1,thresh2,thresh3,thresh4,thresh5]
 
for i in range(6):
    plt.subplot(2,3,i+1),plt.imshow(images[i],'gray')
    plt.title(titles[i])
    plt.xticks([]),plt.yticks([])
plt.show()

#plt.xticks([]) 和 plt.yticks([]) 是 Matplotlib 中用于设置 x 轴和 y 轴刻度的函数。通过传递一个空列表 [] 给它们，我们可以将刻度禁用，从而在图形中隐藏刻度标签。

2-Canny边缘检测

基本流程

1. 使用高斯滤波器（见opencv笔记（3）：图像平滑处理），对图像进行平滑处理，去除噪点
2. 计算每个像素点的梯度强度和方向
3. 应用非极大值抑制（NMS），以消除边缘检测带来的杂散效应（想象1:联想人脸检测，只保留最有特征的一部分）（想象2:想象一下你站在一个山谷里，四周有很多山峰。你的任务是找到这个山谷里最高的山峰，并标记它们。但是你不想把所有的山峰都标记出来，因为这样会让你的标记变得混乱，只需要找到最高的那座山峰即可。）NMS 的核心思想就是保留局部最强的边缘，而抑制掉那些不是局部最强的边缘。这样可以使得最终的边缘图更加清晰和准确，有助于后续的图像处理和分析。（对每个对象得到一个检测的方法）
4. 应用双阈值，来检测真实以及潜在的边缘
5. 通过抑制孤立的弱边缘完成检测

高斯滤波器

梯度和方向

这里用的是sobel算子

非极大值抑制​​​​​​​

只要保留0.9最大（概率最大的那个）的框框

原理的话我暂时没怎么理解等我理解了再写一篇文章

双阈值检测

maxVal和minVal两个阈值

代码实现

import cv2
import numpy as np
def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()
img=cv2.imread('girl.jpg',cv2.IMREAD_GRAYSCALE)
 
v1=cv2.Canny(img,80,150)#80minVal，150maxVAL，是自己设置
v2=cv2.Canny(img,50,100)
 
res=np.hstack((v1,v2))
cv_show(res,'res')

maxVal指定的越大，要求越高；反之，要求越低

minVal指定的越小，要求越高；反之，要求越低