【 Python高级编程】 Canny边缘检测算法阈值设置

Canny边缘检测算法中的两个阈值参数（threshold1和threshold2）的设置对于边缘检测的效果至关重要。选择合适的阈值需要根据实际应用场景和图像特点进行调整。以下是一些设置这两个阈值的指导原则和方法：

阈值设置原则

高阈值 (threshold2)：
- 用于检测强边缘。如果太高，可能会漏掉一些重要的边缘；如果太低，可能会检测到过多的噪声。
- 一般情况下，高阈值设置为图像梯度强度的高百分位数，例如90%或95%。
低阈值 (threshold1)：
- 用于连接边缘。如果太高，可能会漏掉弱边缘；如果太低，可能会引入过多的噪声。
- 常见的做法是将低阈值设置为高阈值的一定比例，通常在1:2到1:3之间。例如，如果高阈值是100，低阈值可以设置为50或33。

自动阈值设置方法

基于图像统计特性的自动阈值设置：

计算图像梯度的直方图，并选择高阈值为某个百分位数，低阈值为其一半或三分之一。

import cv2
import numpy as npdef auto_canny(image, sigma=0.33):v = np.median(image)lower = int(max(0, (1.0 - sigma) * v))upper = int(min(255, (1.0 + sigma) * v))edges = cv2.Canny(image, lower, upper)return edgesimage = cv2.imread('path_to_image.jpg', cv2.IMREAD_GRAYSCALE)
edges = auto_canny(image)
cv2.imshow('Edges', edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

基于用户输入的交互式阈值设置：

使用滑动条（Trackbar）来动态调整阈值，便于观察边缘检测效果并选择合适的阈值。

import cv2def nothing(x):passimage = cv2.imread('path_to_image.jpg', cv2.IMREAD_GRAYSCALE)
cv2.namedWindow('Edges')cv2.createTrackbar('Min Threshold', 'Edges', 0, 255, nothing)
cv2.createTrackbar('Max Threshold', 'Edges', 0, 255, nothing)while True:min_val = cv2.getTrackbarPos('Min Threshold', 'Edges')max_val = cv2.getTrackbarPos('Max Threshold', 'Edges')edges = cv2.Canny(image, min_val, max_val)cv2.imshow('Edges', edges)if cv2.waitKey(1) & 0xFF == 27:  # Press 'ESC' to exitbreakcv2.destroyAllWindows()