13

我对OpenCV中的Canny 边缘检测器有一些疑问。

这是我尝试过的代码。

def 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))
    edged = cv2.Canny(image, lower, upper)

然后，

##### first situation #####
img = cv2.imread('mango.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
auto = auto_canny(gray)
cv2.imwrite('mango_gray_edge.jpg', auto)

在这种情况下，我得到了这样的图像： 在此处输入图像描述

##### second situation #####
img = cv2.imread('mango.jpg')
auto = auto_canny(img)
cv2.imwrite('mango_color_edge.jpg', auto)

在这种情况下，我得到了这样的图像： 在此处输入图像描述

这是原始图像：

第一种情况和第二种情况的区别在于我是否将彩色图像转换为灰度。但是，我对此感到困惑。因为，

在第一种情况下，我将图像转换为灰度，因此图像只有一个通道。而在第二种情况下，图像仍然具有三个通道。

当我没有将其转换为灰度时，边缘会好得多，就像在第二种情况下一样。

所以我的问题是，

  1. OpenCV 中的 Canny 函数是否包含将图像转换为灰度的方法？我的意思是，我需要在使用之前将图像转换为灰度cv2.Canny()吗？

  2. Canny 如何同时处理单通道（第一种情况转换为灰度）和三通道（原始图像如第二种情况）图像？

  3. Canny 实际是如何工作的？Canny可以直接处理彩色图像还是必须先将彩色图像转换为灰度？

  4. 从Canny的步骤来看，我们计算梯度的时候，我觉得应该是单通道的，然后就可以计算了。如果图像是彩色的（三个通道），我们如何计算梯度？我们分别计算三个通道吗？它是如何工作的？

4

1 回答 1

10

是的，OpenCV 的 Canny 实现可以处理多个通道。

请记住，OpenCV 是开源的，因此您只需检查实现即可找到此类信息。

基本上，Canny 在非极大值抑制之前所做的是norm根据 Sobel 导数 (dx和) 计算每个像素的梯度大小 ( dy)。如果您有多个通道，如您在源代码ch中所见，给定像素的梯度幅度是所有通道中最高的。

于 2016-11-21T19:28:32.370 回答