Python?cv.Canny()方法參數(shù)與使用方法
函數(shù)原型與參數(shù)詳解
OpenCV提供了cv.Canny()方法,該方法將輸入的原始圖像轉(zhuǎn)換為邊緣圖像。
該方法的原型為:
cv.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges cv.Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]) -> edges
- image參數(shù)是array格式的輸入圖像。
- threshold1與threshold2分別是我們的下界閾值與上界閾值。
- apertureSize是用于查找圖像梯度的Sobel核的大小,默認(rèn)為3。
- L2gradient指定了求梯度幅值的公式,是一個(gè)布爾型變量,默認(rèn)為False。當(dāng)它為True時(shí),使用L2,否則使用L1。
下面是具體代碼:
def canny_detect(image_path, show=True):
# 讀取圖像
image = cv2.imread(image_path, 0)
# 獲取結(jié)果
edges = cv2.Canny(image, 100, 200)
if show:
# 繪制原圖
plt.subplot(121)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.xticks([])
plt.yticks([])
# 繪制邊緣圖
plt.subplot(122)
plt.imshow(edges, cmap='gray')
plt.title('Edge Image')
plt.xticks([])
plt.yticks([])
plt.show()
return edges
canny_detect('images/2.jpeg')效果


到此這篇關(guān)于Python cv.Canny()方法參數(shù)與使用方法的文章就介紹到這了,更多相關(guān)Python cv.Canny()方法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- 使用OpenCV-python3實(shí)現(xiàn)滑動(dòng)條更新圖像的Canny邊緣檢測(cè)功能
- opencv python Canny邊緣提取實(shí)現(xiàn)過(guò)程解析
- python Canny邊緣檢測(cè)算法的實(shí)現(xiàn)
- Python實(shí)現(xiàn)Canny及Hough算法代碼實(shí)例解析
- python實(shí)現(xiàn)canny邊緣檢測(cè)
- Python實(shí)現(xiàn)Opencv cv2.Canny()邊緣檢測(cè)
- Python利用Canny算法檢測(cè)硬幣邊緣
- python中opencv?Canny邊緣檢測(cè)
- Python?OpenCV?Canny邊緣檢測(cè)算法的原理實(shí)現(xiàn)詳解
相關(guān)文章
Python繪圖并標(biāo)記出指定點(diǎn)(最大值點(diǎn))方法實(shí)例
我們?cè)谟胮ython畫散點(diǎn)圖的時(shí)候經(jīng)常會(huì)需要標(biāo)記出特定的點(diǎn),這篇文章主要給大家介紹了關(guān)于Python繪圖并標(biāo)記出指定點(diǎn)(最大值點(diǎn))的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-05-05
詳解python實(shí)現(xiàn)簡(jiǎn)單區(qū)塊鏈結(jié)構(gòu)
區(qū)塊鏈?zhǔn)且环N數(shù)據(jù)結(jié)構(gòu),也是一個(gè)分布式數(shù)據(jù)庫(kù)。這篇文章主要介紹了python實(shí)現(xiàn)簡(jiǎn)單區(qū)塊鏈結(jié)構(gòu)的相關(guān)知識(shí),需要的朋友可以參考下2021-04-04
Python中對(duì)象迭代與反迭代的技巧總結(jié)
這篇文章將通過(guò)實(shí)例給大家分享Python中對(duì)象迭代與反迭代的技巧,對(duì)大家學(xué)習(xí)或者使用python具有一定的參考借鑒價(jià)值。有需要的下面來(lái)一起看看吧。2016-09-09
tensorflow使用L2 regularization正則化修正overfitting過(guò)擬合方式
這篇文章主要介紹了tensorflow使用L2 regularization正則化修正overfitting過(guò)擬合方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-05-05
簡(jiǎn)述python&pytorch 隨機(jī)種子的實(shí)現(xiàn)
這篇文章主要介紹了簡(jiǎn)述python&pytorch 隨機(jī)種子的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-10-10

