版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
def cv_show(name,img):
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
img=cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE)
v1=cv2.Canny(img,80,150)
v2=cv2.Canny(img,50,100)
res = np.hstack((v1,v2))
cv_show(“res”,res)
plt.imshow(res)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
<matplotlib.image.AxesImage at 0x1e2434759e8>
- 1
img=cv2.imread("car.png",cv2.IMREAD_GRAYSCALE)
v1=cv2.Canny(img,120,250)
v2=cv2.Canny(img,50,100)
res = np.hstack((v1,v2))
cv_show(“res”,res)
plt.imshow(res)
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
<matplotlib.image.AxesImage at 0x1e254ca7828>
- 1
</div>
<link href="https://csdnimg.cn/release/phoenix/mdeditor/markdown_views-e9f16cbbc2.css" rel="stylesheet">
</div>
Canny边缘检测
-
使用高斯滤波器,以平滑图像,滤除噪声。
-
计算图像中每个像素点的梯度强度和方向。
-
应用非极大值(Non-Maximum Suppression)抑制,以消除边缘检测带来的杂散响应。
-
应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘。
-
通过抑制孤立的弱边缘最终完成边缘检测。
1 高斯滤波器
2 梯度和方向
3 非极大值抑制
4 双阈值检测
import cv2
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
来源:https://blog.csdn.net/qq_38325803/article/details/102726431