opencv边缘、轮廓检测，图像金字塔

最新推荐文章于 2025-04-10 23:24:41 发布

蓝天0809

最新推荐文章于 2025-04-10 23:24:41 发布

阅读量3.6k

点赞数

CC 4.0 BY-SA版权

分类专栏：计算机视觉文章标签： opencv 计算机视觉图像处理

本文链接：https://blog.csdn.net/onroadliuyaqiong/article/details/121920500

本文详细介绍了OpenCV中的Canny边缘检测步骤，包括高斯滤波、梯度计算、非极大值抑制和双阈值检测。此外，还探讨了图像金字塔的概念，包括高斯金字塔的上下采样过程。最后，阐述了轮廓检测方法，包括轮廓检索模式、轮廓逼近以及矩形和圆形边框的获取。模板匹配的不同方法也有所提及。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、Canny边缘检测
1，步骤
•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。小的梯度值去掉。
•4) 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。
minVal设置的小，边界值保留的多
maxVal设置的大，边界值同样保留多
•5) 通过抑制孤立的弱边缘最终完成边缘检测。

2，高斯滤波器
在这里插入图片描述
3，计算梯度与方向

4，非极大值抑制

若A点大于B,C,作为边缘点

5，双阈值
在这里插入图片描述

img=cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE)

v1=cv2.Canny(img,80,150)  #minVal,maxVal
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))
cv_show(res,'res')

在这里插入图片描述

img=cv2.imread("car.png",cv2.IMREAD_GRAYSCALE)

v1=cv2.Canny(img,120,250)
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))
cv_show(res,'res')

在这里插入图片描述

二、图像金字塔
高斯金字塔：
向下采样（缩小），特征越来越少，方向由底座到塔顶，卷积后长度宽度变成一半，，先用高斯核卷积，偶数行列去掉是为了做缩小
向上采样（放大），方向由塔顶到底座，将图像每个方向扩大两倍，新增行用0填充，再卷积

最低0.47元/天解锁文章