opencv图像处理基础操作之边缘检测

概述

边缘检测是利用图像中边缘像素值会发生剧烈变化来进行检测的，主要用于分割图像、提取特征等多个方面。

opencv中常用的算法有Canny边缘检测算法、Sobel算子、Laplacian算子、Scharr算子、Roberts算子、prewitt算子。这几种算法各有优劣，使用的场景和需求也相对不同。其中Canny边缘检测算法是最常用的一种算法，具有较好的性能和效果，通常被用作默认的边缘检测算法。

原理

Canny边缘检测算法的原理是：

1. 通过高斯模糊减少噪声干扰
2. 然后计算图像中每个像素的梯度和方向，以确定边缘的位置和方向
3. 使用NMS(非极大值抑制)方法，将梯度方向垂直的像素进行抑制，从而得到比较细化的边缘
4. 并使用双阈值进行处理，将低于低阈值的像素标记为弱边缘，将介于高低阈值间的像素标记为中间边缘，将高于高阈值的像素标记为强边缘
5. 使用连接算法将中间边缘连接到强边缘上，从而实现边缘检测
6. 
   

例程

import cv2 as cv


def canny():
    img = cv.imread("input.jpg")
    # 第二个参数代表低阈值 第三个参数代表高阈值，试着调整这两个阈值，看看边缘检测效果吧！
    canny_img = cv.Canny(img, 50, 210)
    cv.imshow("source", img)
    cv.imshow("canny", canny_img)
    cv.waitKey(0)
    
if __name__ == '__main__':
    print_hi('PyCharm')
    canny()

效果

（我们可以通过调整阈值来达到不同的效果，自己动手试试吧~）

（图片仅学习使用，如有侵权，欢迎硬刚~）