opencv-python(13):Canny边缘检测

边缘检测的目的是识别目标数字图像上亮度变化明显的点。图像中的显著变化通常反应了属性的重要事件和变化。

函数原型：

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。

代码：

import numpy as np
import cv2
img=cv2.imread('C:\\Users\\WLX\\Desktop\\12.png',0)
canny=cv2.Canny(img,100,200)
cv2.imshow('h',canny)
cv2.waitKey(0)
cv2.imwrite('C:\\Users\\WLX\\Desktop\\canny.jpg',canny)
cv2.destroyAllWindows()

apertureSize默认为3

结果：



练习：添加滑动条

代码：

import numpy as np
import cv2
img=cv2.imread('C:\\Users\\WLX\\Desktop\\12.png',0)
def nothing(x):
pass
cv2.namedWindow('res')
cv2.createTrackbar('min','res',0,25,nothing)
cv2.createTrackbar('max','res',0,25,nothing)
while(1):
if cv2.waitKey(1)&0xFF==27:
break
maxVal=cv2.getTrackbarPos('max','res')
minVal=cv2.getTrackbarPos('min','res')
canny=cv2.Canny(img,10*minVal,10*maxVal)
cv2.imshow('res',canny)
cv2.destroyAllWindows()结果：