openCV 圖像邊緣檢測

學習記錄： openCV 圖像邊緣檢測

一.  openCV 調用API Canny 實現邊緣檢測

'''
Canny邊緣檢測步驟
1. 獲取圖像信息
2. 圖像灰度處理
3. 高斯濾波
4. Canny邊緣檢測處理
'''

import cv2
img = cv2.imread('test.jpg', -1)
height, width, deep = img.shape

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #灰度處理
imgG = cv2.GaussianBlur(gray, (3,3), 0) # 高斯濾波
dst = cv2.Canny(img, 50, 50) # Canny 邊緣檢測

cv2.imshow('src', img)
cv2.imshow('dst', dst)
cv2.waitKey(0)

 

二. python與Sobel算子實現邊緣檢測

'''
python與sobel算子實現邊緣檢測
步驟： 
1. sobel 算子模板
2. 圖像卷積
3. 閾值判決


1.sobel算子模板：
     y方向
     1  2  1
     0  0  0
    -1 -2 -1

     x方向
     1  0  -1
     2  0  -2
     1  0  -1
 
2. 圖像卷積：
矩陣對應元素乘積之和

3. 浮值與閾值比較：
sqrt(Gx*Gx+Gy*Gy) # gx 爲水平方向的梯度， gy爲垂直反向的梯度
'''

import cv2
import numpy as np 
import math
img = cv2.imread('test.jpg', -1)
height, width, deep = img.shape

dst = np.zeros((height,width,1),np.uint8)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
for i in range(height-2):
    for j in range(width-2):
        gy = gray[i,j]*1 + gray[i,j+1]*2 + gray[i,j+2]*1 - gray[i+2, j]*1 - gray[i+2, j+1]*2 - gray[i+2, j+2]*1
        gx = gray[i,j]*1 + gray[i+1,j]*2 + gray[i+2,j]*1 - gray[i,j+2]*1 - gray[i+1, j+2]*2 - gray[i+2,j+2]*1
        grad = math.sqrt(gx*gx + gy*gy)
        if grad > 50:
            dst[i, j] = 255
        else:
            dst[i, j] = 0
cv2.imshow('src', img)
cv2.imshow('dst', dst)
cv2.waitKey()