opencvpython边缘检测和轮廓提取

opencv中的边缘检测和轮廓提取都是图像识别的重要部分

提示&＃xff1a;以下是本篇文章正文内容&＃xff0c;下面案例可供参考

Canny边缘检测算子是一个多级边缘检测算法&＃xff0c;Canny的目标是找到一个最优的边缘检测算法&＃xff0c;其评价标准为&＃xff1a;低错误率、高定位性、最小响应。

Canny边缘检测步骤
Canny函数
Python:
edges &＃61; cv.Canny( image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]] )
image 源图像&＃xff0c;需是单通道8位图像
edges 输出的边缘图像&＃xff0c;需和源图像具有一样的大小和类型
threshold1 第一个滞后性阀值&＃xff0c;double
threshold2 第二个滞后性阀值&＃xff0c;double
apertureSize 应用Sobel算子孔径大小&＃xff0c;默认值&＃xff1a;3
L2gradient a flag, indicating whether a more accurate L 2 norm &＃61;(dI/dx) 2 &＃43;(dI/dy) 2 − − − − − − − − − − − − − − − − √ should be used to calculate the image gradient magnitude ( L2gradient&＃61;true ), or whether the default L 1 norm &＃61;|dI/dx|&＃43;|dI/dy| is enough ( L2gradient&＃61;false ).

import cv2 as cv
import numpy as npdef edge_demo(image):blurred &＃61; cv.GaussianBlur(image, (3, 3), 0) # 高斯模糊gray &＃61; cv.cvtColor(blurred,cv.COLOR_BGR2GRAY) # 灰路图像xgrad &＃61; cv.Sobel(gray, cv.CV_16SC1, 1, 0) # xGrodientygrad &＃61; cv.Sobel(gray, cv.CV_16SC1, 0, 1) # yGrodientedge_output &＃61; cv.Canny(xgrad, ygrad, 100, 150) # edgecv.imshow("Canny Edge",edge_output)# # 彩色边缘# dst &＃61; cv.bitwise_and(image, image, mask&＃61;edge_output)# cv.imshow("Color Edge", dst)src&＃61;cv.imread("D:\\1111.png")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
edge_demo(src)
cv.waitKey(0)cv.destroyAllWindows()
二、轮廓提取

1.非边缘检测轮廓提取

先将图片进行高斯模糊&＃xff0c;然后变成灰路图像&＃xff0c;再将图片二值化&＃xff0c;最后将图片进行轮廓提取。

代码如下&＃xff08;示例&＃xff09;&＃xff1a;
这个方法有一个缺点就是自动二值化的阙值会对轮廓提取产生影响&＃xff0c;虽然可以自己定义阙值&＃xff0c;但是不能每一章照片进行一次调节。

import cv2 as cv
def contours_demo(image):blurred &＃61; cv.GaussianBlur(image, (3, 3), 0)gray &＃61; cv.cvtColor(blurred, cv.COLOR_RGB2GRAY) # 灰路图像# ret , binary &＃61; cv.threshold(gray, 0, 255,cv.THRESH_BINARY| cv.THRESH_OTSU) # 图像二值化ret, binary &＃61; cv.threshold(gray, 68, 255, cv.THRESH_BINARY ) # 图像二值化cv.imshow("binary image",binary)contours, heriachy &＃61; cv.findContours(binary,cv.RETR_LIST,cv.CHAIN_APPROX_SIMPLE)for i, contour in enumerate(contours):cv.drawContours(image,contours,i,(0,0,255),6) #6的改为-1可以填充print(i)cv.imshow("detect contours", image)src&＃61;cv.imread("D:\\1111.png")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
#cv.imshow("input image",src)
contours_demo(src)
cv.waitKey(0)cv.destroyAllWindows()


2.边缘检测和轮廓调节

代码如下&＃xff08;示例&＃xff09;&＃xff1a;

import cv2 as cvdef edge_demo(image):blurred &＃61; cv.GaussianBlur(image, (3, 3), 0) # 高斯模糊gray &＃61; cv.cvtColor(blurred,cv.COLOR_BGR2GRAY) # 灰路图像xgrad &＃61; cv.Sobel(gray, cv.CV_16SC1, 1, 0) # xGrodientygrad &＃61; cv.Sobel(gray, cv.CV_16SC1, 0, 1) # yGrodientedge_output &＃61; cv.Canny(xgrad, ygrad, 100, 150) # edgereturn edge_outputdef contours_demo(image):# blurred &＃61; cv.GaussianBlur(image, (3, 3), 0)# gray &＃61; cv.cvtColor(blurred, cv.COLOR_RGB2GRAY) # 灰路图像# # ret , binary &＃61; cv.threshold(gray, 0, 255,cv.THRESH_BINARY| cv.THRESH_OTSU) # 图像二值化# ret, binary &＃61; cv.threshold(gray, 68, 255, cv.THRESH_BINARY ) # 图像二值化# cv.imshow("binary image",binary)binary &＃61; edge_demo(image)contours, heriachy &＃61; cv.findContours(binary,cv.RETR_LIST,cv.CHAIN_APPROX_SIMPLE)for i, contour in enumerate(contours):cv.drawContours(image,contours,i,(0,0,255),6) #6的改为-1可以填充print(i)cv.imshow("detect contours", image)src&＃61;cv.imread("D:\\1111.png")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
#cv.imshow("input image",src)
contours_demo(src)
cv.waitKey(0)cv.destroyAllWindows()


这样就可以避免掉方法一产生的问题&＃xff0c;并且还可以很好的实现轮廓的提取

鸣谢
https://blog.csdn.net/weixin_42261213/article/details/93990410
https://blog.csdn.net/miao0967020148/article/details/88623631