OpenCV 图像边缘检测-CSDN博客

OpenCV 图像边缘检测技术详解

图像边缘检测是计算机视觉中的基础任务，用于识别图像中亮度或颜色显著变化的区域。OpenCV 提供了多种边缘检测算法，以下将详细介绍常用方法及代码实现。

Sobel 算子边缘检测

Sobel 算子通过计算图像梯度来检测边缘，分别对水平和垂直方向进行卷积运算。

import cv2
import numpy as np

# 读取图像并转为灰度图
image = cv2.imread('input.jpg')
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Sobel 算子计算梯度
sobel_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=3)
sobel_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=3)

# 合并梯度
sobel_combined = cv2.magnitude(sobel_x, sobel_y)
sobel_combined = np.uint8(sobel_combined)

# 显示结果
cv2.imshow('Sobel Edge Detection', sobel_combined)
cv2.waitKey(0)

Canny 边缘检测算法

Canny 算法是多阶段边缘检测方法，包含高斯滤波、梯度计算、非极大值抑制和双阈值检测。

# Canny 边缘检测
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
canny = cv2.Canny(blurred, threshold1=50, threshold2=150)

# 显示结果
cv2.imshow('Canny Edge Detection', canny)
cv2.waitKey(0)

Laplacian 边缘检测

Laplacian 算子通过二阶导数检测边缘，对噪声敏感但能捕获更精细的边缘。

# Laplacian 边缘检测
laplacian = cv2.Laplacian(gray, cv2.CV_64F)
laplacian = np.uint8(np.absolute(laplacian))

# 显示结果
cv2.imshow('Laplacian Edge Detection', laplacian)
cv2.waitKey(0)

自适应阈值边缘检测

结合自适应阈值处理可改善光照不均情况下的边缘检测效果。

# 自适应阈值边缘检测
adaptive_thresh = cv2.adaptiveThreshold(
    gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
    cv2.THRESH_BINARY_INV, 11, 2)

# 显示结果
cv2.imshow('Adaptive Threshold Edges', adaptive_thresh)
cv2.waitKey(0)

边缘检测性能优化

对于实时应用，可通过以下方式优化性能：

# 下采样加速处理
small = cv2.resize(gray, None, fx=0.5, fy=0.5)

# 使用更小的卷积核
fast_canny = cv2.Canny(small, 50, 150)

# 显示优化结果
cv2.imshow('Optimized Edge Detection', fast_canny)
cv2.waitKey(0)

边缘检测后处理

边缘检测结果常需要后处理以提高质量：

# 形态学操作增强边缘
kernel = np.ones((3,3), np.uint8)
dilated = cv2.dilate(canny, kernel, iterations=1)
eroded = cv2.erode(dilated, kernel, iterations=1)

# 显示处理后结果
cv2.imshow('Post-processed Edges', eroded)
cv2.waitKey(0)

实际应用示例：文档边缘检测

# 文档边缘检测
def detect_document_edges(image_path):
    image = cv2.imread(image_path)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    edged = cv2.Canny(blurred, 75, 200)
    
    # 查找轮廓
    contours, _ = cv2.findContours(edged.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    # 绘制轮廓
    doc_contour = max(contours, key=cv2.contourArea)
    result = cv2.drawContours(image.copy(), [doc_contour], -1, (0, 255, 0), 3)
    
    return result

# 使用示例
document_edges = detect_document_edges('document.jpg')
cv2.imshow('Document Edges', document_edges)
cv2.waitKey(0)

以上代码示例展示了OpenCV中多种边缘检测技术的实现方法，可根据具体应用场景选择合适算法并调整参数。实际应用中常需要组合多种技术并加入后处理步骤以获得最佳效果。