Lære Kantdeteksjon | Bildebehandling med OpenCV

Kantdeteksjon

Kanter representerer plutselige endringer i pikselintensitet, som vanligvis tilsvarer objekters grenser. Å oppdage kanter hjelper med gjenkjenning av former og segmentering.

Sobel kantdeteksjon

Sobel-operatoren beregner gradienter (endringer i intensitet) i både X- og Y-retning, og hjelper med å oppdage horisontale og vertikale kanter.

# Convert to grayscale
image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

# Apply Sobel filter
sobel_x = cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize=5)  # Detects vertical edges
sobel_y = cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize=5)  # Detects horizontal edges
sobel_combined = cv2.magnitude(sobel_x, sobel_y)  # Combines both directions

Merk

Viktige parametere:

src: inputbilde (må være gråtone);
ddepth: dybde på utgangsbildet (f.eks. cv2.CV_64F);
dx: orden på deriveringen i X-retning (sett 1 for horisontale kanter);
dy: orden på deriveringen i Y-retning (sett 1 for vertikale kanter);
ksize: kjernestørrelse (må være oddetall, f.eks. 3, 5, 7).

Canny kantdeteksjon

Canny-kantdetektoren er en flerstegsalgoritme som gir mer nøyaktige kanter ved å:

Bruke Gaussisk uskarphet for å fjerne støy.
Finne intensitetsgradienter med Sobel-filtre.
Undertrykke svake kanter.
Bruke dobbel terskling og kantsporing.

# Apply Canny Edge Detector 
canny_image = cv2.Canny(image, threshold1, threshold2, apertureSize, L2gradient)

Merk

image: input gråtonebilde;
threshold1: nedre terskelverdi for kantdeteksjon (f.eks. 50);
threshold2: øvre terskelverdi for kantdeteksjon (f.eks. 150);
apertureSize (valgfritt): størrelse på Sobel-kjernen (standard: 3, må være et oddetall);
L2gradient (valgfritt): bruk mer nøyaktig L2-norm gradientberegning (standard: False).

En sammenligning av kantdeteksjonsmetoder:

Oppgave

Swipe to start coding

Du har fått et image:

Konverter bildet til gråtoner og lagre i gray_image;
Bruk Sobel-filter i X- og Y-retningene (utgangsdybde cv2.CV_64F og kjernestørrelse 3) og lagre i henholdsvis sobel_x, sobel_y;
Kombiner Sobel-filtrerte retninger i sobel_img;
Bruk et Canny-filter med terskelverdier fra 200 til 300 og lagre i canny_img.

Løsning

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 7

single

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

Suggested prompts:

What are the main differences between Sobel and Canny edge detection?

Can you explain when to use Sobel versus Canny edge detection?

Can you provide more details on how the Canny edge detector works?

Awesome!

Completion rate improved to 3.45

Sveip for å vise menyen

Kantdeteksjon

Kanter representerer plutselige endringer i pikselintensitet, som vanligvis tilsvarer objekters grenser. Å oppdage kanter hjelper med gjenkjenning av former og segmentering.

Sobel kantdeteksjon

Sobel-operatoren beregner gradienter (endringer i intensitet) i både X- og Y-retning, og hjelper med å oppdage horisontale og vertikale kanter.

# Convert to grayscale
image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

# Apply Sobel filter
sobel_x = cv2.Sobel(image, cv2.CV_64F, 1, 0, ksize=5)  # Detects vertical edges
sobel_y = cv2.Sobel(image, cv2.CV_64F, 0, 1, ksize=5)  # Detects horizontal edges
sobel_combined = cv2.magnitude(sobel_x, sobel_y)  # Combines both directions

Merk

Viktige parametere:

src: inputbilde (må være gråtone);
ddepth: dybde på utgangsbildet (f.eks. cv2.CV_64F);
dx: orden på deriveringen i X-retning (sett 1 for horisontale kanter);
dy: orden på deriveringen i Y-retning (sett 1 for vertikale kanter);
ksize: kjernestørrelse (må være oddetall, f.eks. 3, 5, 7).

Canny kantdeteksjon

Canny-kantdetektoren er en flerstegsalgoritme som gir mer nøyaktige kanter ved å:

Bruke Gaussisk uskarphet for å fjerne støy.
Finne intensitetsgradienter med Sobel-filtre.
Undertrykke svake kanter.
Bruke dobbel terskling og kantsporing.

# Apply Canny Edge Detector 
canny_image = cv2.Canny(image, threshold1, threshold2, apertureSize, L2gradient)

Merk

image: input gråtonebilde;
threshold1: nedre terskelverdi for kantdeteksjon (f.eks. 50);
threshold2: øvre terskelverdi for kantdeteksjon (f.eks. 150);
apertureSize (valgfritt): størrelse på Sobel-kjernen (standard: 3, må være et oddetall);
L2gradient (valgfritt): bruk mer nøyaktig L2-norm gradientberegning (standard: False).

En sammenligning av kantdeteksjonsmetoder:

Oppgave

Swipe to start coding

Du har fått et image:

Konverter bildet til gråtoner og lagre i gray_image;
Bruk Sobel-filter i X- og Y-retningene (utgangsdybde cv2.CV_64F og kjernestørrelse 3) og lagre i henholdsvis sobel_x, sobel_y;
Kombiner Sobel-filtrerte retninger i sobel_img;
Bruk et Canny-filter med terskelverdier fra 200 til 300 og lagre i canny_img.

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 2. Kapittel 7

single