opencv
Rilevamento dei bordi
Ricerca…
Sintassi
- bordi = cv2. Canny (immagine, soglia1, soglia2 [, bordi [, apertura Dimensione [, L2gradiente]]])
- void Canny (InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false
Parametri
Parametro | Dettagli |
---|---|
Immagine | Immagine di input |
bordi | Immagine di uscita |
soglia1 | Prima soglia per la procedura di isteresi |
threshold2 | Seconda soglia per la procedura di isteresi |
dimensione di apertura | Dimensioni dell'apertura per l'operatore Sobel |
L2gradient | Flag che indica se deve essere utilizzato un algoritmo più accurato per il gradiente di immagine |
Algoritmo Canny
L'algoritmo Canny è un rivelatore di bordo più recente progettato come un problema di elaborazione del segnale. In OpenCV, emette un'immagine binaria che contrassegna i bordi rilevati.
Pitone:
import cv2
import sys
# Load the image file
image = cv2.imread('image.png')
# Check if image was loaded improperly and exit if so
if image is None:
sys.exit('Failed to load image')
# Detect edges in the image. The parameters control the thresholds
edges = cv2.Canny(image, 100, 2500, apertureSize=5)
# Display the output in a window
cv2.imshow('output', edges)
cv2.waitKey()
Canny Algorithm - C ++
Di seguito è riportato un uso di algoritmo abile in c ++. Si noti che l'immagine viene prima convertita in un'immagine in scala di grigio, quindi il filtro gaussiano viene utilizzato per ridurre il disturbo nell'immagine. Quindi l'algoritmo Canny viene utilizzato per il rilevamento dei bordi.
// CannyTutorial.cpp : Defines the entry point for the console application.
// Environment: Visual studio 2015, Windows 10
// Assumptions: Opecv is installed configured in the visual studio project
// Opencv version: OpenCV 3.1
#include "stdafx.h"
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<string>
#include<iostream>
int main()
{
//Modified from source: https://github.com/MicrocontrollersAndMore/OpenCV_3_Windows_10_Installation_Tutorial
cv::Mat imgOriginal; // input image
cv::Mat imgGrayscale; // grayscale of input image
cv::Mat imgBlurred; // intermediate blured image
cv::Mat imgCanny; // Canny edge image
std::cout << "Please enter an image filename : ";
std::string img_addr;
std::cin >> img_addr;
std::cout << "Searching for " + img_addr << std::endl;
imgOriginal = cv::imread(img_addr); // open image
if (imgOriginal.empty()) { // if unable to open image
std::cout << "error: image not read from file\n\n"; // show error message on command line
return(0); // and exit program
}
cv::cvtColor(imgOriginal, imgGrayscale, CV_BGR2GRAY); // convert to grayscale
cv::GaussianBlur(imgGrayscale, // input image
imgBlurred, // output image
cv::Size(5, 5), // smoothing window width and height in pixels
1.5); // sigma value, determines how much the image will be blurred
cv::Canny(imgBlurred, // input image
imgCanny, // output image
100, // low threshold
200); // high threshold
// Declare windows
// Note: you can use CV_WINDOW_NORMAL which allows resizing the window
// or CV_WINDOW_AUTOSIZE for a fixed size window matching the resolution of the image
// CV_WINDOW_AUTOSIZE is the default
cv::namedWindow("imgOriginal", CV_WINDOW_AUTOSIZE);
cv::namedWindow("imgCanny", CV_WINDOW_AUTOSIZE);
//Show windows
cv::imshow("imgOriginal", imgOriginal);
cv::imshow("imgCanny", imgCanny);
cv::waitKey(0); // hold windows open until user presses a key
return 0;
}
Calcolo delle soglie Canny
Calcolo automatico di soglie basse e alte per l'operazione Canny in modalità opencv
Canny Edge Video da Webcam Capture - Python
import cv2
def canny_webcam():
"Live capture frames from webcam and show the canny edge image of the captured frames."
cap = cv2.VideoCapture(0)
while True:
ret, frame = cap.read() # ret gets a boolean value. True if reading is successful (I think). frame is an
# uint8 numpy.ndarray
frame = cv2.GaussianBlur(frame, (7, 7), 1.41)
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
edge = cv2.Canny(frame, 25, 75)
cv2.imshow('Canny Edge', edge)
if cv2.waitKey(20) == ord('q'): # Introduce 20 milisecond delay. press q to exit.
break
canny_webcam()
Prototipazione delle soglie Canny Edge utilizzando Trackbar
"""
CannyTrackbar function allows for a better understanding of
the mechanisms behind Canny Edge detection algorithm and rapid
prototyping. The example includes basic use case.
2 of the trackbars allow for tuning of the Canny function and
the other 2 help with understanding how basic filtering affects it.
"""
import cv2
def empty_function(*args):
pass
def CannyTrackbar(img):
win_name = "CannyTrackbars"
cv2.namedWindow(win_name)
cv2.resizeWindow(win_name, 500,100)
cv2.createTrackbar("canny_th1", win_name, 0, 255, empty_function)
cv2.createTrackbar("canny_th2", win_name, 0, 255, empty_function)
cv2.createTrackbar("blur_size", win_name, 0, 255, empty_function)
cv2.createTrackbar("blur_amp", win_name, 0, 255, empty_function)
while True:
cth1_pos = cv2.getTrackbarPos("canny_th1", win_name)
cth2_pos = cv2.getTrackbarPos("canny_th2", win_name)
bsize_pos = cv2.getTrackbarPos("blur_size", win_name)
bamp_pos = cv2.getTrackbarPos("blur_amp", win_name)
img_blurred = cv2.GaussianBlur(img.copy(), (trackbar_pos3 * 2 + 1, trackbar_pos3 * 2 + 1), bamp_pos)
canny = cv2.Canny(img_blurred, cth1_pos, cth2_pos)
cv2.imshow(win_name, canny)
key = cv2.waitKey(1) & 0xFF
if key == ord("c"):
break
cv2.destroyAllWindows()
return canny
img = cv2.imread("image.jpg")
canny = CannyTrackbar(img)
cv2.imwrite("result.jpg", canny)
Modified text is an extract of the original Stack Overflow Documentation
Autorizzato sotto CC BY-SA 3.0
Non affiliato con Stack Overflow