У меня есть изображение, на котором я хочу обнаружить края. Я обнаружил, что Canny часто используется (не знаю, есть ли у меня лучший вариант). Я установил следующие значения:
Imgproc.Canny(img, img, 10, 100, 3,true)
Я изменил пороговые значения, но не вижу особых изменений в моем изображении. Может ли кто-нибудь объяснить мне, есть ли логический способ вычислить числа для пороговых значений (мое изображение - серая шкала)
Спасибо...
Я думаю, что это следует рассматривать в каждом конкретном случае, если вы разместите несколько образцов изображений, это будет полезно, но я все равно постараюсь ответить. Вот из документов Opencv
Canny( detected_edges, detected_edges, lowThreshold, lowThreshold*ratio, kernel_size );
where the arguments are:
detected_edges: Source image, grayscale
detected_edges: Output of the detector (can be the same as the input)
lowThreshold: The value entered by the user moving the Trackbar
highThreshold: Set in the program as three times the lower threshold (following Canny’s recommendation)
kernel_size: We defined it to be 3 (the size of the Sobel kernel to be used internally)
У меня обычно работает highThreshold = 255 and lowThreshold = 255/3
Как сказал Самер, это может быть в каждом конкретном случае. Вот код, который использует трекбары в opencv и отображает хитроумное изображение рядом с оригиналом, чтобы быстро поэкспериментировать с разными пороговыми значениями.
import cv2
import numpy as np
import matplotlib.pyplot as plt
def callback(x):
print(x)
img = cv2.imread('your_image.png', 0) #read image as grayscale
canny = cv2.Canny(img, 85, 255)
cv2.namedWindow('image') # make a window with name 'image'
cv2.createTrackbar('L', 'image', 0, 255, callback) #lower threshold trackbar for window 'image
cv2.createTrackbar('U', 'image', 0, 255, callback) #upper threshold trackbar for window 'image
while(1):
numpy_horizontal_concat = np.concatenate((img, canny), axis=1) # to display image side by side
cv2.imshow('image', numpy_horizontal_concat)
k = cv2.waitKey(1) & 0xFF
if k == 27: #escape key
break
l = cv2.getTrackbarPos('L', 'image')
u = cv2.getTrackbarPos('U', 'image')
canny = cv2.Canny(img, l, u)
cv2.destroyAllWindows()
Вы можете использовать это уравнение, оно полезно, и вы можете применить более синий цвет, чтобы улучшить его.
blurred_img = cv2.blur(img,ksize=(5,5))
med_val = np.median(img)
lower = int(max(0 ,0.7*median_pix))
upper = int(min(255,1.3*median_pix))
edges = cv2.Canny(image=img, threshold1=lower,threshold2=upper)
