本文利用python opencv進行圖像的邊緣檢測，一般要經過如下幾個步驟：

1、去噪

如cv2.GaussianBlur()等函數；

2、計算圖像梯度

圖像梯度表達的是各個像素點之間，像素值大小的變化幅度大小，變化較大，則可以認為是出于邊緣位置，最多可簡化為如下形式：

3、非極大值抑制

在獲得梯度的方向和大小之后，應該對整幅圖像做一個掃描，去除那些非邊界上的點。對每一個像素進行檢查，看這個點的梯度是不是周圍具有相同梯度方向的點中最大的。如下圖所示：

4、滯后閾值

現在要確定那些邊界才是真正的邊界。這時我們需要設置兩個閾值：minVal 和maxVal。當圖像的灰度梯度高于maxVal 時被認為是真的邊界，那些低于minVal 的邊界會被拋棄。如果介于兩者之間的話，就要看這個點是否與某個被確定為真正的邊界點相連，如果是就認為它也是邊界點，如果不是就拋棄。如下圖：

在Python Opencv接口中，提供了Canny函數，可以對圖像進行一鍵執(zhí)行邊緣檢測。

接下來，利用Canny函數進行邊緣檢測的實驗。

Canny函數需要指定幾個參數：

1、需要進行邊緣檢測的原圖

2、閾值下限

3、閾值上限

我們?yōu)榱四軌蚩吹讲煌撝捣秶鷮吘墮z測結果的影響，設置了兩個滑動條，來分別表示閾值上下限。

完整代碼如下：

# -*- coding: utf-8 -*-

"""

Created on Thu Sep 13 14:23:32 2018

@author: Leon

內容：

對圖片進行邊緣檢測；

添加滑動條，可自由調整閾值上下限。

"""

import cv2

import numpy as np

def nothing(x):

pass

cv2.namedWindow('Canny',0)

# 創(chuàng)建滑動條

cv2.createTrackbar('minval','Canny',0,255,nothing)

cv2.createTrackbar('maxval','Canny',0,255,nothing)

img = cv2.imread('Tree.jpg',0)

# 高斯濾波去噪

img = cv2.GaussianBlur(img,(3,3),0)

edges =img

k=0

while(1):

key = cv2.waitKey(50) & 0xFF

if key == ord('q'):

break

# 讀取滑動條數值

minval = cv2.getTrackbarPos('minval','Canny')

maxval = cv2.getTrackbarPos('maxval','Canny')

edges = cv2.Canny(img,minval,maxval)

# 拼接原圖與邊緣監(jiān)測結果圖

img_2 = np.hstack((img,edges))

cv2.imshow('Canny',img_2)

cv2.destroyAllWindows()

效果如圖：

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的python图像边缘检测_python opencv实现图像边缘检测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。