图像边缘检测(Canny)

这篇具有很好参考价值的文章主要介绍了图像边缘检测(Canny)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Canny检测的流程

Canny检测主要是用于边缘检测

1)使用高斯滤波器,以平滑图像,滤除噪声。

 

2)计算图像中每个像素点的梯度强度和方向。

3)应用非极大值(Non-Maximum Suppression)抑制,以消除边缘检测带来的杂散响应

4)应用双阈值(Double-Threshold)检测来确定真实的和潜在的边缘

5)通过抑制孤立的弱边缘最终完成边缘检测。

注:

NMS(非极大值抑制):

  就是抑制不是极大值的元素,可以理解为局部最大搜索。这个局部代表的是一个邻域,邻域有两个参数可变,一是邻域的维数,二是邻域的大小。

  例如:

    行人检测中,滑动窗口经提取特征,经分类器分类识别后,每个窗口都会得到一个分数。但是滑动窗口会导致很多窗口与其他窗口在包含或者大部分交                                                                                                    

    叉的情况。这时就需要用到NMS来选取那些邻域里分数最高(是行人的概率最大),并且抑制那些分数低的窗口

  算法:

    线性插值法

应用双阈值:大于maxval的设置为边界,

      处于maxval和minval中间 和边界点相连保留,其余舍去,

      小于minval 舍去

1 #cv2.Canny(src,minval,maxval)
2 #minval:最低阈值
3 #maxval:最高阈值
4 #阈值越低,图像越细致
5 canny1 = cv2.Canny(img,80,150)
6 canny2 = cv2.Canny(img,50,100)
7 res = np.hstack((canny1,canny2))
8 Cv_Show('res',res)

 文章来源地址https://www.toymoban.com/news/detail-421690.html

到了这里,关于图像边缘检测(Canny)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包