- 首页 > it技术 > >
# Canny 边缘检测是一个多步骤的算法。# Canny边缘检测：
# OpenCV-Python中Canny函数的原型为：
# edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]])
# 必要参数：
# 第一个参数是需要处理的原图像，该图像必须为单通道的灰度图；
# 第二个参数是阈值1；
# 第三个参数是阈值2。
# 其中较大的阈值2用于检测图像中明显的边缘，但一般情况下检测的效果不会那么完美
# ，边缘检测出来是断断续续的。所以这时候用较小的第一个阈
# 值用于将这些间断的边缘连接起来。
# 可选参数中apertureSize就是Sobel算子的大小。而L2gradient参数是一个布尔值，
# 如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开放）
# ，否则使用L1范数（直接将两个方向导数的绝对值相加）。
# 函数返回一副二值图，其中包含检测出的边缘。
import cv2
import numpy as np
from matplotlib import pyplot as pltimg = cv2.imread('touxiang.jpg',0)
# img=cv2.GaussianBlur(img,(3,3),0)
edges = cv2.Canny(img,100,250)cv2.imshow('edges',edges)
cv2.waitKey(0)
cv2.destroyAllWindows()
'''''
Canny边缘检测：优化的程序 带进度条的
'''
import cv2
import numpy as npdef CannyThreshold(lowThreshold):
detected_edges = cv2.GaussianBlur(gray,(3,3),0) #高斯滤波
detected_edges = cv2.Canny(detected_edges,
lowThreshold,
lowThreshold*ratio,
apertureSize = kernel_size)#边缘检测# just add some colours to edges from original image.
dst = cv2.bitwise_and(img,img,mask = detected_edges)#用原始颜色添加到检测的边缘上
cv2.imshow('canny demo',dst)lowThreshold = 0
max_lowThreshold = 100
ratio = 3
kernel_size = 3img = cv2.imread('touxiang.jpg')
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#转换彩色图像为灰度图cv2.namedWindow('canny demo')#设置调节杠,
'''''
下面是第二个函数，cv2.createTrackbar()
共有5个参数，其实这五个参数看变量名就大概能知道是什么意思了
第一个参数，是这个trackbar对象的名字
第二个参数，是这个trackbar对象所在面板的名字
第三个参数，是这个trackbar的默认值,也是调节的对象
第四个参数，是这个trackbar上调节的范围(0~count)
第五个参数，是调节trackbar时调用的回调函数名
'''
cv2.createTrackbar('Min threshold','canny demo',lowThreshold, max_lowThreshold, CannyThreshold)CannyThreshold(0)# initialization
if cv2.waitKey(0) == 27:#wait for ESC key to exit cv2
cv2.destroyAllWindows()
推荐阅读
