Python OpenCV圖像處理：使用Canny算子進行邊緣檢測

一、介紹

Python OpenCV是一個非常強大的圖像處理庫，它可以讓我們輕鬆地進行各種圖片和視頻的處理。其中，Canny算子是一種非常常用的邊緣檢測算法，它可以快速地找出圖像中的邊緣。本文將介紹如何使用Python OpenCV的Canny算子進行邊緣檢測。

二、Canny算子的基本原理

Canny算子是一種邊緣檢測算法，它是由John Canny在1986年提出的，是一種非常著名的圖像處理算法。Canny算子的基本思想是：

1. 使用高斯濾波器對圖像進行平滑處理，去除噪聲。
2. 計算圖像的梯度方向和大小。
3. 使用非最大抑制（NMS）技術進行邊緣細化，使邊緣變得更加精細。
4. 使用雙閾值算法進行邊緣檢測，最終確定哪些邊緣是真正的邊緣。

三、使用Canny算子進行邊緣檢測的代碼實現

import cv2

img = cv2.imread('test.jpg', 0)

# 高斯濾波器
img = cv2.GaussianBlur(img, (3, 3), 0)

# 計算梯度方向和大小
sobelx = cv2.Sobel(img, cv2.CV_64F, 1, 0, ksize=3)
sobely = cv2.Sobel(img, cv2.CV_64F, 0, 1, ksize=3)
grad = cv2.sqrt(sobelx ** 2 + sobely ** 2)
theta = cv2.phase(sobelx, sobely)

# 非最大抑制
grad_nms = cv2.copyMakeBorder(grad, 1, 1, 1, 1, cv2.BORDER_CONSTANT, 0)
for i in range(1, grad.shape[0]+1):
    for j in range(1, grad.shape[1]+1):
        if grad[i-1, j-1] == 0:
            grad_nms[i, j] = 0
        else:
            gradx = sobelx[i-1, j-1]
            grady = sobely[i-1, j-1]
            if np.abs(grady) > np.abs(gradx):
                weight = np.abs(gradx) / np.abs(grady)
                grad0 = grad_nms[i-1, j]
                grad1 = grad_nms[i+1, j]
                if gradx * grady > 0:
                    grad2 = grad_nms[i-1, j-1]
                    grad3 = grad_nms[i+1, j+1]
                else:
                    grad2 = grad_nms[i+1, j-1]
                    grad3 = grad_nms[i-1, j+1]
            else:
                weight = np.abs(grady) / np.abs(gradx)
                grad0 = grad_nms[i, j-1]
                grad1 = grad_nms[i, j+1]
                if gradx * grady > 0:
                    grad2 = grad_nms[i+1, j-1]
                    grad3 = grad_nms[i-1, j+1]
                else:
                    grad2 = grad_nms[i-1, j-1]
                    grad3 = grad_nms[i+1, j+1]
            grad_nms[i, j] = grad[i-1, j-1] if grad[i-1, j-1] >= weight * grad0 and grad[i-1, j-1] >= weight * grad1 and grad[i-1, j-1] >= weight * grad2 and grad[i-1, j-1] >= weight * grad3 else 0

# 雙閾值算法
img_canny = np.zeros(grad_nms.shape, dtype=np.uint8)
thresh1 = 100
thresh2 = 200
for i in range(grad_nms.shape[0]):
    for j in range(grad_nms.shape[1]):
        if grad_nms[i, j]  thresh2:
            img_canny[i, j] = 255
        else:
            img_canny[i, j] = 50
            for a in range(-1, 2):
                for b in range(-1, 2):
                    if img_nms[i+a, j+b] > thresh2:
                        img_canny[i, j] = 255
                        break
                if img_canny[i, j] == 255:
                    break

cv2.imshow('Canny Edge Detection', img_canny)
cv2.waitKey(0)
cv2.destroyAllWindows()

四、Canny算子的優點

Canny算子是一種非常優秀的邊緣檢測算法，它具有以下幾個優點：

1. 準確性高：Canny算子可以找到一條邊緣的精確位置。
2. 抗噪聲能力強：Canny算子在進行邊緣檢測之前進行了高斯平滑處理，可以去除圖像中的噪聲。
3. 邊緣細化效果好：Canny算子使用了非最大抑制技術和雙閾值算法，可以使檢測出的邊緣更加精細。

五、總結

本文詳細介紹了如何使用Python OpenCV的Canny算子進行邊緣檢測。首先介紹了Canny算子的基本原理，然後給出了使用Python OpenCV進行邊緣檢測的代碼實現，並列舉了Canny算子的優點。讀者可以根據本文的內容自行編寫代碼進行嘗試。