OpenCV图像处理：Canny边缘检测与图像金字塔详解

"Canny边缘检测、图像金字塔变换和图像轮廓操作" Canny边缘检测是一种经典的图像处理技术，用于在数字图像中识别出明显的边界。它由John F. Canny在1986年提出，其核心步骤包括噪声去除、计算图像梯度、非极大值抑制和滞后阈值设置。 1. 噪声去除： 在Canny算法的第一步，使用高斯滤波器来平滑图像，消除噪声。高斯滤波器是一种线性滤波器，能有效地减小图像中的高频噪声，同时尽可能保持边缘信息。 2. 计算图像梯度： 平滑后的图像通过Sobel算子计算水平和垂直方向的一阶导数，即梯度Gx和Gy。这两个梯度可以给出边界的方向和强度。梯度的绝对值表示边界强度，而梯度方向通常与边缘大致垂直。 3. 非极大值抑制： 这一步是为了减少假阳性边缘，只保留最有可能属于边缘的像素点。每个像素与其邻域内的点比较，如果它的梯度值不是沿着梯度方向的最大值，则将其值设为0，从而消除边缘附近的弱响应。 4. 滞后阈值： 设置两个阈值minVal和maxVal，高于maxVal的梯度被认为是强边缘，低于minVal的被认为是背景。介于两者之间的点，如果它们与已确定的边缘相连，则也被认为是边缘；否则，被剔除。 在OpenCV库中，可以使用`cv2.Canny()`函数轻松实现Canny边缘检测。例如，以下代码片段展示了如何对图像应用Canny检测： ```python import cv2 import numpy as np from matplotlib import pyplot as plt img = cv2.imread("./image/test3.jpg", 0) # 读取灰度图像 edges = cv2.Canny(img, 100, 200) # 应用Canny边缘检测，阈值100和200 plt.subplot(121), plt.imshow(img, cmap='gray') plt.title("Original") plt.subplot(122), plt.imshow(edges, cmap='gray') plt.title("Edge") plt.show() ``` 接下来，我们讨论图像金字塔，它在图像处理中有重要作用，特别是在缩放和多尺度分析中。 1. 图像金字塔： 图像金字塔是由原始图像生成的一系列分辨率递减的图像集合。主要有两种类型：高斯金字塔和拉普拉斯金字塔。 2. 高斯金字塔： 高斯金字塔是通过不断下采样原始图像并加一层高斯模糊得到的。每层金字塔都是下一层的四分之一大小。从底层到顶层，图像细节逐渐丢失，但大的形状特征得以保留。 3. 拉普拉斯金字塔： 高斯金字塔的每一层减去其下一层（放大两倍并插值）得到拉普拉斯金字塔。拉普拉斯金字塔的顶层包含了原始图像的所有高频信息，即边缘和细节。 图像金字塔在目标检测、图像匹配、缩放和图像融合等任务中都有应用，因为它允许我们在不同尺度上分析图像，对于不知道目标尺寸的情况尤其有用。