DIP——边缘提取与分割

1.使用canny算法进行边缘提取

本实验比较简单,基本思路是对原图像进行一个高斯模糊处理,用于去噪,之后转换为灰度图,直接调用cv库中的canny记性边缘提取。若想直接得到彩色边缘,则通过按位与操作,将原始彩色图像和Canny边缘图像结合,得到彩色边缘图。具体完整代码如下:

python 复制代码
# canny边缘提取实验
import cv2 as cv
import numpy as np

def edge_demo(image):
    # 对输入的图像进行高斯模糊,去噪,其中高斯核模板大小为3*3,标准差为0
    blurred = cv.GaussianBlur(image, (3, 3), 0)
    # 转换为灰度图
    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)

    # 使用Canny边缘检测算法,设置低阈值为50,高阈值为150,提取图像的边缘。经验设定
    edge_output = cv.Canny(gray, 50, 150)
    # 在窗口中显示Canny边缘提取的结果图像。
    cv.imshow('Canny Edge', edge_output)
    # 彩色边缘提取
    # 通过按位与操作,将原始彩色图像和Canny边缘图像结合,得到彩色边缘图。
    dst = cv.bitwise_and(image, image, mask=edge_output)
    cv.imshow('Color Edge', dst)

# 绘图
src = cv.imread('ai.jpg')
cv.namedWindow('input image', cv.WINDOW_AUTOSIZE)
cv.imshow('input image', src)
edge_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

实验结果

原始图像:

灰度处理后canny算法提取的边缘图像

彩色边缘图像

2.使用大津法进行图像分割

本实验的原理也比较简单,使用大津法进行图像分割。大津法(Otsu's Method)是一种自适应阈值选取的方法,通常用于图像分割。其目标是通过最大化类间方差(类间方差是指分割后的两个类别之间的方差)来找到一个合适的阈值,将图像分为两个类别,一类为前景,一类为背景。这里我们绘制灰度直方图,并且使用OpenCV的threshold函数进行OTSU阈值化。并且将计算得到的阈值存储在 ret1 中,OTSU阈值化后的图像存储在 th1 中。其完整代码如下:

python 复制代码
import cv2
import numpy as np
from matplotlib import pyplot as plt

image = cv2.imread("flying_horse.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

plt.figure(figsize=(6, 6))
plt.imshow(image, cmap="gray")
plt.title("Source Image")
plt.xticks([]), plt.yticks([])
plt.show()

# 显示直方图
plt.figure(figsize=(6, 6))
# np.histogram 用于计算直方图的频率和边界。
hist, bins = np.histogram(image.ravel(), 256, [0, 256])
plt.plot(hist, color='black')
plt.title("Histogram")
plt.xlabel("Pixel Value")
plt.ylabel("Frequency")
plt.show()

# 使用OpenCV的threshold函数进行OTSU阈值化。
# 将计算得到的阈值存储在 ret1 中,OTSU阈值化后的图像存储在 th1 中。
ret1, th1 = cv2.threshold(gray, 0, 255, cv2.THRESH_OTSU)

# 显示OTSU阈值化后的图像
plt.figure(figsize=(6, 6))
plt.imshow(th1, cmap="gray")
plt.title("OTSU, Threshold: {}".format(ret1))
plt.xticks([]), plt.yticks([])
plt.show()

实验结果:


相关推荐
zy_destiny26 分钟前
【工业场景】用YOLOv8实现反光衣识别
人工智能·python·yolo·机器学习·计算机视觉
abcd_zjq2 小时前
【2025最新】【win10】vs2026+qt6.9+opencv(cmake编译opencv_contrib拓展模
人工智能·qt·opencv·计算机视觉·visual studio
abcd_zjq2 小时前
VS2026+QT6.9+opencv图像增强(多帧平均降噪)(CLAHE对比度增强)(边缘增强)(图像超分辨率)
c++·图像处理·qt·opencv·visual studio
Blossom.1183 小时前
用一颗MCU跑通7B大模型:RISC-V+SRAM极致量化实战
人工智能·python·单片机·嵌入式硬件·opencv·机器学习·risc-v
mit6.8243 小时前
[GazeTracking] 摄像头交互与显示 | OpenCV
人工智能·opencv·交互
myloe003 小时前
Linux运维实战如何快速排查服务器CPU占用过高问题
计算机视觉
星期天要睡觉10 小时前
计算机视觉(opencv)——基于 OpenCV DNN 的实时人脸检测 + 年龄与性别识别
opencv·计算机视觉·dnn
算法打盹中14 小时前
计算机视觉:基于 YOLO 的轻量级目标检测与自定义目标跟踪原理与代码框架实现
图像处理·yolo·目标检测·计算机视觉·目标跟踪
sali-tec16 小时前
C# 基于halcon的视觉工作流-章42-手动识别文本
开发语言·人工智能·算法·计算机视觉·c#·ocr
AndrewHZ20 小时前
【图像处理基石】暗光增强算法入门:从原理到实战(Python+OpenCV)
图像处理·python·opencv·算法·计算机视觉·cv·暗光增强