迹忆客 专注技术分享

我们使用 opencv 库处理人工智能、机器学习和更多技术中计算机视觉的图像和图形。 我们可以使用这个库中的功能来有效地读取和处理图像。

本篇文章将介绍 Python 中的 cv2.canny() 函数。

在 Python 中使用 cv2.canny() 函数

cv2.canny() 函数实现了由 John F. Canny 开发的 Canny 边缘检测算法。 我们可以使用这个函数来检测给定图像的边缘。

该算法本身有多个阶段。

1. 第一阶段涉及降噪，为此，该算法使用 5x5 高斯滤波器。
2. 下一阶段涉及找到给定图像的强度梯度。 在这个阶段，图像被平滑，然后被传递到 Sobel 内核，在那里它沿着 x 和 y 轴被过滤，并为每个轴找到它的梯度。
3. 在第三阶段，每个像素都用梯度方向的局部最大值进行检查，以去除不形成边缘的不需要的像素。
4. 最后阶段是对边缘进行分类的阶段。 取两个阈值，minVal 和 maxVal。

   梯度值大于 maxVal 的边是边，小于 minVal 的不是边。 这些阈值的其余部分根据它们的连接性进行分类。

以上所有阶段均由 cv2.canny() 函数实现。 在确定此功能的参数时，有必要了解这些阶段。

在下面的示例中，我们将检测图像的边缘。

import cv2

img = cv2.imread('jiyik.png')
e = cv2.Canny(img, threshold1 = 50, threshold2 = 100)

cv2.imshow('Edges Detected',e)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上面的示例中，我们使用 cv2.imread() 函数读取图像。 使用 cv2.canny() 函数检测此图像的边缘。

注意函数 threshold1 和 threshold2 中的两个参数。 这两个参数是前面讨论的 minVal 和 maxVal 阈值频率的值。

必须提供这两个值。

在对给定图像的边缘进行分类后，我们使用 cv2.imshow() 函数将其显示在新窗口中。 示例中使用了 cv2.waitkey(0) 函数来防止解释器自动关闭创建的窗口并等待用户按下某个键。

cv2.destroyAllWindows() 函数关闭所有窗口。

cv2.canny() 函数还接受两个额外的可选参数，称为 apertureSize 和 L2gradient。 apertureSize 参数指定 Sobel 内核的孔径大小。

默认情况下，它的值为三，可以取三到五之间的任何奇数。 我们可以增加 apertureSize 以从图像中获取更多特征。

L2gradient 采用 True 或 False 值，默认为 False。

如果我们指定L2gradient参数为True，则使用新的L2Gradient算法计算梯度值； 否则，使用传统方程。 新算法往往更准确一些。

总结

我们在本教程中讨论了如何使用 cv2.canny() 函数。 我们讨论了 Canny 边缘检测算法以及该函数如何在内部实现它。

该功能已通过示例进行了演示。 我们还讨论了这个函数的参数。

有些是强制性的，threshold1 和 threshold2，而另一些是可选的，apertureSize 和 L2gradient。