Python中cv2.Canny() 函数使用方法

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

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 L_2L 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()

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。

到此这篇关于Python中cv2.Canny() 函数用法详解的文章就介绍到这了,更多相关Python cv2.Canny() 函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论