Canny Edge -Detektor mit Python

Die Erkennung

Kanten ist eine entscheidende Bildanalysetechnik für die Objekterkennung basierend auf Umrissen und ist für die Wiederherstellung von Bildinformationen von entscheidender Bedeutung. Es extrahiert wichtige Merkmale wie Linien und Kurven, die häufig von erweiterten Computer Vision und Bildverarbeitungsalgorithmen verwendet werden. Ein robuster Kantenerkennungsalgorithmus identifiziert die Hauptkanten genau und unterdrückt die rauschbedingte falsche Kanten.

Kanten repräsentieren signifikante lokale Änderungen der Bildintensität (Pixelwerte), die typischerweise an Regiongrenzen auftreten. In diesem Tutorial erklärt

Der Canny Edge -Detektor

nach seinem Erfinder John F. Canny (1986) benannt, nimmt der Canny -Detektor ein Graustufenbild als Eingabe auf und gibt ein Bild aus, das Intensitätsdiskontinuitäten (Kanten) hervorhebt.

Der Prozess beinhaltet:

1. Rauschreduzierung: Gaußsche Faltung glättet das Eingangsbild und reduziert das Rauschen.
2. Gradientenberechnung: Ein erster Derivatoperator hebt Bereiche mit hohen räumlichen Derivaten hervor. Die Gradientengröße und -richtung werden unter Verwendung von x- und y -Derivaten bestimmt, was für die Identifizierung der Kantenrichtung von entscheidender Bedeutung ist.
3. Nichtmaximale Unterdrückung: Dieser Schritt verdaut die Kanten. Der Algorithmus verfolgt entlang von Gradientenkämmen und setzt nicht Rückenpixel auf Null, was zu einer dünnen Kantenlinie führt. Dies beinhaltet den Vergleich des Gradienten mit seinen Nachbarn; Nur der maximale Gradient bleibt beibehalten.
4. Hystereseschwellenwert: Zwei Schwellenwerte, (obere) und t1 (unter), mit t2, Steuerkantenverfolgung. Die Verfolgung beginnt an Punkten über t1 > t2 und dauert fort, bis der Gradient unter t1 fällt. Punkte über t2 sind immer Kanten; Punkte unter t1, aber über t1 sind nur Kanten, wenn sie mit Punkten über t2. t1 verbunden sind

Die Gaußsche Kernelbreite und die

/t1 Schwellenwerte sind Parameter, die die Ausgabe des Canny -Detektors beeinflussen. t2

Python -Implementierung

Zwei Methoden werden gezeigt: Verwenden Sie

und scikit-image. OpenCV

Verwenden Sie scikit-image

installieren

(z. B. scikit-image auf Ubuntu). Die sudo apt-get install python-skimage -Funktion (im Modul canny()) wendet den Canny -Detektor an. feature

Verwenden Sie das Beispielbild "boat.png" (siehe unten):

Der Code:

from skimage import io, feature

im = io.imread('boat.png')
edges = feature.canny(im)
io.imshow(edges)
io.show()

Die Ausgabe (kandidiertes Bild):

Parametereinstellungen ergeben variierende Ergebnisse der Kantenerkennung.

Verwenden Sie OpenCV

OpenCV installieren (siehe relevante Installationsanleitungen für Ihr Betriebssystem). OpenCVs Canny() Funktion führt die Kantenerkennung aus.

Der Code:

from skimage import io, feature

im = io.imread('boat.png')
edges = feature.canny(im)
io.imshow(edges)
io.show()

Argumente: im (Bild), unterer Schwellenwert (25), oberer Schwellenwert (255), L2gradient=False (verwendet L1-Norm). matplotlib Zeigt die Ergebnisse an.

Die Ausgabe (kandidiertes Bild):

Schlussfolgerung

Dieses Tutorial deckte den Canny Edge -Detektor und seine einfache Implementierung unter Verwendung von scikit-image und OpenCV ab, wodurch seine Wirksamkeit bei der Kantenerkennung zeigt.

Das obige ist der detaillierte Inhalt vonCanny Edge -Detektor mit Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!