OpenCV新手求教:如何沿Canny检测得到的图像边缘完成分割操作
实现思路与操作步骤
沿Canny边缘分割图像可按照以下步骤实现:
- 图像预处理:先对输入图像做灰度化+高斯模糊,降低噪声对Canny边缘检测结果的干扰
核心操作对应cv2.cvtColor()灰度化接口、cv2.GaussianBlur()高斯模糊接口 - 边缘检测:调用Canny算子检测图像边缘,调整双阈值参数确保需要的分割边缘能被完整检出
核心API为cv2.Canny(),通常高低阈值比值控制在2:1到3:1之间,你可以根据自己的样图效果调整参数,保证标注的分割位置边缘能被完整识别 - 分割点定位:结合「下一个边缘首个位置分割」的需求,对边缘二值图做方向投影统计,提取对应的分割坐标
可按水平/垂直方向对边缘二值图做像素求和统计,找到存在边缘像素的坐标位置,取你需要的首个边缘点作为切割坐标 - 图像裁剪:根据得到的分割坐标对原图做切片裁剪,得到分割后的子图
直接用numpy数组切片操作即可完成裁剪,垂直分割对应调整x轴坐标范围,水平分割对应调整y轴坐标范围
示例代码
import cv2 import numpy as np # 读取输入图像 img = cv2.imread("your_image_path.png") # 预处理:灰度化+高斯模糊 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) blurred = cv2.GaussianBlur(gray, (5, 5), 0) # Canny边缘检测,高低阈值根据实际图像效果调整,确保标注的分割边缘能被完整检出 edges = cv2.Canny(blurred, threshold1=50, threshold2=150) # 示例为垂直方向分割,统计每列的边缘像素总数,找到存在边缘的列坐标 col_sum = np.sum(edges, axis=0) split_cols = np.where(col_sum > 0)[0] # 如果是水平方向分割,替换为以下代码即可: # row_sum = np.sum(edges, axis=1) # split_rows = np.where(row_sum > 0)[0] # 按需取对应位置的坐标作为分割点,以下为示例 split_point1 = split_cols[0] split_point2 = split_cols[1] # 裁剪得到子图 sub_img1 = img[:, :split_point1] sub_img2 = img[:, split_point1:split_point2] sub_img3 = img[:, split_point2:]
补充说明:如果Canny输出的边缘存在细碎噪声点,可以先对边缘二值图调用
cv2.morphologyEx()做形态学开运算,去除小噪声后再做投影统计,分割点定位会更精准。
内容的提问来源于stack exchange,提问作者mobbbbbbbi
相关产品推荐
相关产品推荐

