图像分割-传统算法-边缘分割

基于边缘检测的图像分割流程

1、灰度图转变

2、使用边缘检测算子进行边缘提取,如canny、sobel、拉普拉斯算子

3、对边缘进行闭合处理

4、显示闭合后的轮廓

试了下canny、sobel、拉普拉斯,其中拉普拉斯算子可以事先对灰度图平滑处理一下(拉普拉斯对噪声敏感)。

python 复制代码
import cv2
import numpy as np

def edge_detection_canny(img_path, thres=(50,150), ksize=5):
    '''
    :param img_path:
    :param thres: canny算子的限制阈值,[0]为低阈值,[1]为高阈值
    :param ksize: canny的核大小
    :return:
    '''
    img = cv2.imread(img_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    edges = cv2.Canny(gray, thres[0], thres[1])

    #  形态学闭运算:连接断裂的边缘, cv2.MORPH_RECT结果元素矩形, cv2.MORPH_ELLIPSE椭圆形, CROSS十字形
    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (ksize, ksize))
    # kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (ksize, ksize))
    # kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (ksize, ksize))
    #  闭运算:先膨胀后腐蚀,用于填充边缘间的细小间隙,连接相邻的边缘片段
    closed = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel)

    # 查找轮廓
    # 在闭运算后的边缘图像中查找物体的轮廓
    # RETR_EXTERNAL: 只检索最外层轮廓(忽略内部孔洞的轮廓),RETR_LIST检索所有轮廓不建立层级,RETR_CCOMP检索所有轮廓组织为两级层级;检索所有轮廓,重建完整的嵌套层级
    # CHAIN_APPROX_SIMPLE: 压缩水平、垂直和对角线段,只保留端点;CHAIN_APPROX_NONE:存储所有轮廓
    contours, _ = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    # 在原图上绘制轮廓
    cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

    cv2.imshow('edge', edges)
    cv2.imshow('closed', closed)
    cv2.imshow('img', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

def edge_detection_sobel(img_path, ksize=3):
    img = cv2.imread(img_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    sobel_x = cv2.Sobel(gray, cv2.CV_64F, 1, 0, ksize=ksize)
    sobel_y = cv2.Sobel(gray, cv2.CV_64F, 0, 1, ksize=ksize)
    sobel_magnitude = np.sqrt(sobel_x ** 2 + sobel_y ** 2)

    # 转换为8位无符号整数并归一化到0-255
    sobel_edges = np.uint8(np.clip(sobel_magnitude, 0, 255))

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    closed = cv2.morphologyEx(sobel_edges, cv2.MORPH_CLOSE, kernel)

    contours, _ = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

    cv2.imshow('edge', sobel_edges)
    cv2.imshow('closed', closed)
    cv2.imshow('img', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

def edge_detection_lap(img_path, ksize=3):
    img = cv2.imread(img_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

    blurred = cv2.GaussianBlur(gray, (5, 5), 0)
    edges = cv2.Laplacian(blurred, cv2.CV_64F, ksize=ksize)

    laplacian_abs = np.absolute(edges)
    laplacian_edges = np.uint8(np.clip(laplacian_abs, 0, 255))

    kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    closed = cv2.morphologyEx(laplacian_edges, cv2.MORPH_CLOSE, kernel)

    contours, _ = cv2.findContours(closed.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

    cv2.imshow('edge', laplacian_edges)
    cv2.imshow('closed', closed)
    cv2.imshow('img', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()


if __name__ == '__main__':
    img_path = './test/test_img.jpg'
    edge_detection_canny(img_path)
    # edge_detection_sobel(img_path)
    # edge_detection_lap(img_path)

参考
理论学习1
理论学习2
代码参考1

相关推荐
凌冰_12 小时前
数据结构 - 时间空间复杂度(一)
数据结构·算法·软件工程
VIP_CQCRE12 小时前
GPT Image 2.6 商品图换背景后悬浮?接触阴影、透明区域与反射验收
图像处理·人工智能·ai·电商
Pniubi12 小时前
力扣2 . 两数相加
算法·leetcode·职场和发展
戴·菲瑜12 小时前
为什么PPO难以做出顶级棋类引擎
算法·博弈论·rl·ppo
在所不辞兄15 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
AvocadoZeroOneOI19 小时前
B4500 [GESP202603 三级] 凯撒密码 详细解题报告
c++·算法
cjz389921 小时前
双指针技巧:覆盖式双指针(原地覆盖)
算法
JonaHu21 小时前
GPT Image 2.6 多语言海报改版:保留商品细节,分离文案与图像验收
图像处理·人工智能·aigc
会飞锦鲤1 天前
基于 RT-DETR 的 PCB 缺陷检测
深度学习·目标检测·计算机视觉·pyqt5·rt-detr·工业质检·pcb缺陷检测
羲云网络1 天前
GPT Image 2.6 精准编辑前,先排查参考图的访问权限与输入交接
图像处理·人工智能·aigc