opencv 圖像邊緣檢測 Canny邊緣檢測算法使用

圖解邊緣檢測

opencv 應用Canny算法進行邊緣檢測

import cv2 as cv
import numpy as np

img = cv.imread('baby_g.jpg', 0)
# 二值化圖像處理後，邊緣檢測效果更好
_, thresh = cv.threshold(img, 0, 255, cv.THRESH_BINARY + cv.THRESH_OTSU)
# canny邊緣檢測，60以下置爲0,180以上置爲255,第2、3參數的作用可查看本文最後一部分內容
edges = cv.Canny(thresh, 60, 180)  

cv.imshow('canny', np.hstack((img, edges)))
cv.waitKey(0)
cv.destroyAllWindows()

實驗結果

Canny算法原理

請參考Canny邊緣檢測算法原理詳解 Canny邊緣檢測算法原理

Canny算法手動實現

請參考Canny邊緣檢測算法python實現 Canny邊緣檢測算法python實現

opencv中使用Canny算法

請參考opencv中的Canny算法使用 opencv中的Canny算法使用

通過程序觀察cv.Canny函數第二個，第三個參數的作用

import cv2 as cv
import numpy as np

def track_back(x):
    pass

img = cv.imread('paojie_g.jpg', 0)
cv.namedWindow('window')

# 創建滑動條
cv.createTrackbar('maxVal', 'window', 30, 100, track_back)
cv.createTrackbar('minVal', 'window', 180, 255, track_back)

while(True):
    # 獲取滑動條的值
    max_val = cv.getTrackbarPos('maxVal', 'window')
    min_val = cv.getTrackbarPos('minVal', 'window')

    edges = cv.Canny(img, min_val, max_val)
    cv.imshow('window', edges)

    # 按下ESC鍵退出
    if cv.waitKey(30) == 27:
        break

結果