《OpenCV入門第三篇》Canny邊緣檢測

上一篇《OpenCV入門第二篇》縮放圖像介紹瞭如何對圖像大小進行縮放。這篇講解如何對圖像邊緣進行檢測提取，圖像的邊緣檢測的原理是檢測出圖像中所有灰度值變化較大的點，而且這些點連接起來就構成了若干線條，這些線條就可以稱爲圖像的邊緣。Canny邊緣檢測算子是John F. Canny於 1986 年開發出來的一個多級邊緣檢測算法。

函數介紹

高斯模糊GaussianBlur函數

GaussianBlur(
src, 輸入圖像
ksize, 高斯內核大小（正奇數）
sigmaX, 在X方向上的標準差
dst, 目標圖像
sigmaY, 在Y方向上的標準差
borderType 邊界類型參數
)

顏色空間轉換cvtColor函數

cvtColor(
src, 原圖像
code, 轉換代碼標識
dst, 輸出圖像
dstCn 目標圖像的通道數
)

邊緣提取Canny函數

Canny(
image, 輸入原圖
threshod1, 檢測邊緣的低閾值
threshod2, 檢測邊緣的高閾值
edges, 表示輸出邊緣圖像
apertureSize, Sobel算子的大小
L2gradient 使用範數參數true爲L2範數，false爲L1範數
)

圖像基本與運算bitwise_and函數

cv2.bitwise_and(
src1, 圖像1
src2, 圖像2
dst, 目標圖像
mask 掩膜（用選定的圖像、圖形或物體，對處理的圖像（全部或局部）進行遮擋，來控制圖像處理的區域或處理過程）
)

示例代碼

import cv2

#canny邊緣提取函數
def get_edge(image):
    #高斯模糊函數：GaussianBlur(src,ksize,sigmaX,dst,sigmaY,borderType)src爲輸入圖像，
    #dst爲目標圖像，ksize表示高斯內核大小（正奇數），sigmaX和sigmaY分別表示在X、Y方向上的標準差。
    image_blur = cv2.GaussianBlur(image, (3, 3), 0)

    #顏色空間轉換函數：cvtColor(src,code,dst,dstCn)src爲原圖像，code爲轉換代碼標識，
    #dst爲輸出圖像，dstCn是目標圖像的通道數。
    image_gray = cv2.cvtColor(image_blur, cv2.COLOR_RGB2GRAY)

    #Canny邊緣提取：Canny(image,threshod1,threshod2,edges,apertureSize,L2gradient)
    #image爲輸入原圖，threshod1、threshod2分別是檢測邊緣的低、高閾值，apertureSize是Sobel算子
    #的大小，L2gradient使用範數參數，true爲L2範數，false爲L1範數。
    image_edge = cv2.Canny(image_gray, 50, 150)
    cv2.imshow("Canny Edge", image_edge)

    #圖像基本運算：bitwise_and是二進制與運算，bitwise_or是二進制或運算等等。
    cv2.bit
    color_edge = cv2.bitwise_and(image, image, mask= image_edge)
    cv2.imshow("Color Edge", color_edge)

#讀取一張圖片並對其進行canny邊緣提取
image = cv2.imread("E:\MyQQFile\Photos\\baby4_half.jpg")

#展示圖片
cv2.namedWindow("Input_Image",cv2.WINDOW_AUTOSIZE)
cv2.imshow("Input_Image",image)
get_edge(image)

cv2.waitKey(0)
cv2.destroyAllWindows()

運行結果