今天的简单，利用canny算法实现边缘检测，再opencv内已经内置，只需一行代码即可实现。具体代码如下：
代码运行环境为jupyter notebook
%matplotlib inline import cv2 as cv import matplotlib.pyplot as plt print(cv.__version__)
4.5.5
cap = cv.VideoCapture("/dev/video0")
ret, frame = cap.read()
# 如果正确读取帧，ret为True
while not ret:
print("Can't receive frame (stream end?). Exiting ...")
break
img = cv.cvtColor(frame,1)#彩图
#img = cv.cvtColor(frame,cv.COLOR_BGR2GRAY)#灰度图
#img = cv.Canny(img, 200, 300)#灰度图经过Canny算法运算后的图
plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))#显示图片
plt.show()
cap.release()#释放捕获器
canny边缘检测算法非常复杂，但是也很有趣，他有五个步骤，即使用高斯滤波器对图像进行去噪，计算梯度，在边缘上使用非最大抑制（NMS），在检测到边缘上使用双阈值去除假阳性，最后还会分析所有边缘及其之间的连接，以保留真正的边缘并不消除不明显的边缘。我这里给出张平老师写的《opencv算法 基于python和c++》精讲里的代码
# -*- coding: utf-8 -*-
import numpy as np
import sys
import math
import cv2
import sobel #注意sobel边缘检测
#边缘检测
#非极大值抑制
def non_maximum_suppression_default(dx,dy):
#边缘强度
edgeMag = np.sqrt(np.power(dx,2.0) + np.power(dy,2.0))
#宽、高
rows,cols = dx.shape
#梯度方向
gradientDirection = np.zeros(dx.shape)
#边缘强度非极大值抑制
edgeMag_nonMaxSup = np.zeros(dx.shape)
for r in range(1,rows-1):
for c in range(1,cols-1):
#angle 的范围 [0,180] [-180,0]
angle = math.atan2(dy[r][c],dx[r][c])/math.pi*180
gradientDirection[r][c] = angle
#左 / 右方向
if(abs(angle)<22.5 or abs(angle) >157.5):
if(edgeMag[r][c]>edgeMag[r][c-1] and edgeMag[r][c] > edgeMag[r][c+1]):
edgeMag_nonMaxSup[r][c] = edgeMag[r][c]
#左上 / 右下方向
if(angle>=22.5 and angle < 67.5 or(-angle > 112.5 and -angle <= 157.5)):
if(edgeMag[r][c] > edgeMag[r-1][c-1] and edgeMag[r][c]>edgeMag[r+1][c+1]):
edgeMag_nonMaxSup[r][c] = edgeMag[r][c]
#上 / 下方向
if((angle>=67.5 and angle<=112.5) or (angle>=-112.5 and angle<=-67.5)):
if(edgeMag[r][c] > edgeMag[r-1][c] and edgeMag[r][c] > edgeMag[r+1][c]):
edgeMag_nonMaxSup[r][c] = edgeMag[r][c]
#右上 / 左下方向
if((angle>112.5 and angle<=157.5) or(-angle>=22.5 and -angle< 67.5 )):
if(edgeMag[r][c]>edgeMag[r-1][c+1] and edgeMag[r][c] > edgeMag[r+1][c-1]):
edgeMag_nonMaxSup[r][c] = edgeMag[r][c]
return edgeMag_nonMaxSup
#非极大值抑制：插值比较
def non_maximum_suppression_Inter(dx,dy):
#边缘强度
edgeMag = np.sqrt(np.power(dx,2.0)+np.power(dy,2.0))
#宽、高
rows,cols = dx.shape
#梯度方向
gradientDirection = np.zeros(dx.shape)
#边缘强度的非极大值抑制
edgeMag_nonMaxSup = np.zeros(dx.shape)
for r in range(1,rows-1):
for c in range(1,cols-1):
if dy[r][c] ==0 and dx[r][c] == 0:
continue
#angle的范围 [0,180],[-180,0]
angle = math.atan2(dy[r][c],dx[r][c])/math.pi*180
gradientDirection[r][c] = angle
#左上方和上方的插值 右下方和下方的插值
if (angle > 45 and angle <=90) or (angle > -135 and angle <=-90):
ratio = dx[r][c]/dy[r][c]
leftTop_top = ratio*edgeMag[r-1][c-1]+(1-ratio)*edgeMag[r-1][c]
rightBottom_bottom = (1-ratio)*edgeMag[r+1][c] + ratio*edgeMag[r+1][c+1]
if edgeMag[r][c] > leftTop_top and edgeMag[r][c] > rightBottom_bottom:
edgeMag_nonMaxSup[r][c] = edgeMag[r][c]
#右上方和上方的插值 左下方和下方的插值
if (angle>90 and angle<=135) or (angle>-90 and angle <= -45):
ratio = abs(dx[r][c]/dy[r][c])
rightTop_top = ratio*edgeMag[r-1][c+1] + (1-ratio)*edgeMag[r-1][c]
leftBottom_bottom = ratio*edgeMag[r+1][c-1] + (1-ratio)*edgeMag[r+1][c]
if edgeMag[r][c] > rightTop_top and edgeMag[r][c] > leftBottom_bottom:
edgeMag_nonMaxSup[r][c] = edgeMag[r][c]
#左上方和左方的插值 右下方和右方的插值
if (angle>=0 and angle <=45) or (angle>-180 and angle <= -135):
ratio = dy[r][c]/dx[r][c]
rightBottom_right = ratio*edgeMag[r+1][c+1]+(1-ratio)*edgeMag[r][c+1]
leftTop_left = ratio*edgeMag[r-1][c-1]+(1-ratio)*edgeMag[r][c-1]
if edgeMag[r][c] > rightBottom_right and edgeMag[r][c] > leftTop_left:
edgeMag_nonMaxSup[r][c] = edgeMag[r][c]
#右上方和右方的插值 左下方和左方的插值
if(angle>135 and angle<=180) or (angle>-45 and angle <=0):
ratio = abs(dy[r][c]/dx[r][c])
rightTop_right = ratio*edgeMag[r-1][c+1]+(1-ratio)*edgeMag[r][c+1]
leftBottom_left = ratio*edgeMag[r+1][c-1]+(1-ratio)*edgeMag[r][c-1]
if edgeMag[r][c] > rightTop_right and edgeMag[r][c] > leftBottom_left:
edgeMag_nonMaxSup[r][c] = edgeMag[r][c]
return edgeMag_nonMaxSup
#判断一个点的坐标是否在图像范围内
def checkInRange(r,c,rows,cols):
if r>=0 and r=0 and c= lowerThresh:
trace(edgeMag_nonMaxSup,edge,lowerThresh,r+i,c+j,rows,cols)
#滞后阈值
def hysteresisThreshold(edge_nonMaxSup,lowerThresh,upperThresh):
#宽高
rows,cols = edge_nonMaxSup.shape
edge = np.zeros(edge_nonMaxSup.shape,np.uint8)
for r in range(1,rows-1):
for c in range(1,cols-1):
#大于高阈值，设置为确定边缘点，而且以该点为起始点延长边缘
if edge_nonMaxSup[r][c] >= upperThresh:
trace(edgeMag_nonMaxSup,edge,lowerThresh,r,c,rows,cols)
#小于低阈值，被剔除
if edge_nonMaxSup[r][c]< lowerThresh:
edge[r][c] = 0
return edge
#主函数
if __name__ =="__main__":
if len(sys.argv)>1:
image = cv2.imread(sys.argv[1],cv2.CV_LOAD_IMAGE_GRAYSCALE)
else:
print("Usge:python canny.py imageFile")
# ------- canny 边缘检测 -----------
#第一步： 基于 sobel 核的卷积
image_sobel_x,image_sobel_y = sobel.sobel(image,3)
#边缘强度：两个卷积结果对应位置的平方和
edge = np.sqrt(np.power(image_sobel_x,2.0) + np.power(image_sobel_y,2.0))
#边缘强度的灰度级显示
edge[edge>255] = 255
edge = edge.astype(np.uint8)
cv2.imshow("sobel edge",edge)
#第二步：非极大值抑制
edgeMag_nonMaxSup = non_maximum_suppression_default(image_sobel_x,image_sobel_y)
edgeMag_nonMaxSup[edgeMag_nonMaxSup>255] =255
edgeMag_nonMaxSup = edgeMag_nonMaxSup.astype(np.uint8)
cv2.imshow("edgeMag_nonMaxSup",edgeMag_nonMaxSup)
#第三步：双阈值滞后阈值处理，得到 canny 边缘
#滞后阈值的目的就是最后决定处于高阈值和低阈值之间的是否为边缘点
edge = hysteresisThreshold(edgeMag_nonMaxSup,60,180)
lowerThresh = 40
upperThresh = 150
cv2.imshow("canny",edge)
cv2.imwrite("canny.jpg",edge)
# -------以下是为了单阈值与滞后阈值的结果比较 ------
#大于高阈值 设置为白色 为确定边缘
EDGE = 255
#小于低阈值的设置为黑色 表示不是边缘，被剔除
NOEDGE = 0
#而大于等于低阈值 小于高阈值的设置为灰色，标记为可能的边缘
POSSIBLE_EDGE = 128
tempEdge = np.copy(edgeMag_nonMaxSup)
rows,cols = tempEdge.shape
for r in xrange(rows):
for c in xrange(cols):
if tempEdge[r][c]>=upperThresh:
tempEdge[r][c] = EDGE
elif tempEdge[r][c]60] = 255
lowEdge[lowEdge<60] = 0
cv2.imshow("lowEdge",lowEdge)
upperEdge = np.copy(edgeMag_nonMaxSup)
upperEdge[upperEdge>180]=255
upperEdge[upperEdge<=180]=0
cv2.imshow("upperEdge",upperEdge)
cv2.waitKey(0)
cv2.destroyAllWindows()
想了解原理的同学可以看看具体实现代码。另外今天想利用opencv在屏幕上实时显示摄像头画面，但是像素大小也变成240*240，maixpy3里库的读取摄像头图片的函数似乎也不是库里所用的PIL image格式，这个搞了好久，还是弄不明白，我现在想知道怎么将maixpy3库的img=camera.capture()转化成cap= cv.VideoCapture("/dev/video0") ret, img= cap.read()中的img,即两个img怎么相互转换，希望大佬指点
