opencv-python 图像处理(五)

Canny边缘检测

1) 使用高斯滤波器，以平滑图像，滤除噪声。

2) 计算图像中每个像素点的梯度强度和方向。

3) 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。

4) 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。

5) 通过抑制孤立的弱边缘最终完成边缘检测。

计算方法

1.高斯滤波

2.梯度和方向计算

 

、

3.非极大值抑制

 

 

4.双阈值确定

import cv2 import numpy as np img=cv2.imread("d:/lena.jpg",cv2.IMREAD_GRAYSCALE) v1=cv2.Canny(img,80,150) v2=cv2.Canny(img,50,100) res = np.hstack((v1,v2)) cv2.imshow("canny",res) cv2.waitKey(0) cv2.destroyAllWindows()

 

 

图像金字塔

高斯金字塔拉普拉斯金字塔

 

高斯金字塔：向下采样方法（缩小）

高斯金字塔：向上采样方法（放大）

import cv2 import numpy as np img=cv2.imread("d:/lena.jpg") up=cv2.pyrUp(img) #放大 down=cv2.pyrDown(img)#缩小 cv2.imshow("up",down) cv2.imshow("down",up) cv2.waitKey(0) cv2.destroyAllWindows()

 

 

图像轮廓

cv2.findContours(img,mode,method)

mode:轮廓检索模式

RETR_EXTERNAL ：只检索最外面的轮廓；RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中；RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界;RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次;

method:轮廓逼近方法

CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。CHAIN_APPROX_SIMPLE:压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。

 

import cv2 import numpy as np img=cv2.imread("d:/lena.jpg") #为了更高的准确率，使用二值图像。 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) ret, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY) cv2.imshow("down",thresh) binary, contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)#method:轮廓逼近方法 draw_img = img.copy() res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)#描绘轮廓 draw_img = img.copy() cv2.imshow("draw",res) cv2.waitKey(0) cv2.destroyAllWindows()

 

转载于:https://www.cnblogs.com/xujunjia/p/11455448.html