使用Python的Canny邊緣檢測器

邊緣檢測是基於輪廓的對象識別的至關重要的圖像分析技術，對於圖像信息恢復至關重要。 它提取關鍵功能，例如線條和曲線，通常由高級計算機視覺和圖像處理算法使用。 強大的邊緣檢測算法準確地識別了主要邊緣，同時抑制了噪聲引起的虛假邊緣。 邊緣代表圖像強度（像素值）的重大局部變化，通常發生在區域邊界處。本教程解釋了Canny Edge檢測算法及其Python實現。

chany邊緣檢測器

> >以其發明者John F. Canny（1986）的名字命名，Canny探測器以灰度圖像為輸入，並輸出圖像突出顯示強度不連續性（邊緣）。 該過程涉及：

降低噪聲：

高斯卷積使輸入圖像平滑，降低噪聲。

1. 梯度計算：第一導數操作員突出了具有高空間衍生物的區域。 使用X和Y衍生物確定梯度幅度和方向，對於邊緣方向識別至關重要。
非最大抑制：
2. 此步驟將邊緣變細。 該算法沿梯度山脊跟踪，將非ridge像素設置為零，從而導致邊緣線。 這涉及將梯度與鄰居進行比較；僅保留最大梯度。 >
滯後閾值：
3. 兩個閾值，（upper）和（下），帶有
，
4. ，控制邊緣跟踪。 跟踪從上方的點開始，然後繼續直到梯度降至以下。 上方的點始終是邊緣； >下方的點僅在t1>上方的點上方時t2。 t1 > t2 t1高斯內核寬度和/t2閾值是影響Canny檢測器輸出的參數。 t1t1 Python實現t2t1
顯示了兩種方法：使用

和

。 t1t2使用

> install

（例如，在ubuntu上函數（在scikit-image模塊中）應用了Canny檢測器。 OpenCV使用示例圖像“ boat.png”（如下所示）：

scikit-image代碼：

輸出（邊緣檢測的圖像）：scikit-image sudo apt-get install python-skimagecanny() feature

參數調整產生不同的邊緣檢測結果。

使用

>安裝OpenCV（請參閱操作系統的相關安裝指南）。 OPENCV的Canny()函數執行邊緣檢測。

代碼：

from skimage import io, feature

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

參數：im（圖像），下閾值（25），上閾值（255），L2gradient=False（使用L1-norm）。 matplotlib顯示結果。

輸出（邊緣檢測的圖像）：

結論

該教程使用scikit-image和OpenCV涵蓋了Canny邊緣檢測器及其直接實現，證明了其在邊緣檢測中的有效性。

以上是使用Python的Canny邊緣檢測器的詳細內容。更多資訊請關注PHP中文網其他相關文章！