使用Python的Canny边缘检测器

边缘检测是基于轮廓的对象识别的至关重要的图像分析技术，对于图像信息恢复至关重要。 它提取关键功能，例如线条和曲线，通常由高级计算机视觉和图像处理算法使用。 强大的边缘检测算法准确地识别了主要边缘，同时抑制了噪声引起的虚假边缘。 边缘代表图像强度（像素值）的重大局部变化，通常发生在区域边界处。本教程解释了Canny Edge检测算法及其Python实现。

chany边缘检测器

> >以其发明者John F. Canny（1986）的名字命名，Canny探测器以灰度图像为输入，并输出图像突出显示强度不连续性（边缘）。 该过程涉及：

降低噪声：

高斯卷积使输入图像平滑，降低噪声。

1. 梯度计算：第一导数操作员突出了具有高空间衍生物的区域。 使用X和Y衍生物确定梯度幅度和方向，对于边缘方向识别至关重要。
非最大抑制：
2. 此步骤将边缘变细。 该算法沿梯度山脊跟踪，将非ridge像素设置为零，从而导致边缘线。 这涉及将梯度与邻居进行比较；仅保留最大梯度。>
滞后阈值：
3. 两个阈值，（upper）和（下），带有
，
4. ，控制边缘跟踪。 跟踪从上方的点开始，然后继续直到梯度降至以下。 上方的点始终是边缘； >下方的点仅在t1>上方的点上方时t2。 t1 > t2 t1高斯内核宽度和/t2阈值是影响Canny检测器输出的参数。 t1t1 Python实现t2t1
显示了两种方法：使用

和

。 t1t2使用

> install

（例如，在ubuntu上函数（在scikit-image模块中）应用了Canny检测器。 OpenCV使用示例图像“ boat.png”（如下所示）：

scikit-image代码：

输出（边缘检测的图像）：scikit-image sudo apt-get install python-skimagecanny() feature

参数调整产生不同的边缘检测结果。

使用

>安装OpenCV（请参阅操作系统的相关安装指南）。 OPENCV的Canny()函数执行边缘检测。

代码：

from skimage import io, feature

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

参数：im（图像），下阈值（25），上阈值（255），L2gradient=False（使用L1-norm）。 matplotlib显示结果。

输出（边缘检测的图像）：

结论

该教程使用scikit-image和OpenCV涵盖了Canny边缘检测器及其直接实现，证明了其在边缘检测中的有效性。

以上是使用Python的Canny边缘检测器的详细内容。更多信息请关注PHP中文网其他相关文章！