如何在opencv python中锐化边缘

Question

我正在学习图像处理，我试图在 python 中使用 opencv 锐化图像的边缘，我已经尽可能地减少了噪点，但现在我想让图像的边缘更清晰，我尝试过cv2.Canny()，但效果不佳。

这是图片

应用 c2.Canny() 后

但我正在尝试使单词边框或边缘更加清晰

这是我的代码

import cv2
import matplotlib.pyplot as plt
img_1 = cv2.imread('noise/1.png',cv2.IMREAD_GRAYSCALE)
edges = cv2.Canny(img_1,200,200)
plt.imshow(edges)

Answer 1

这是在 Python/OpenCV 中处理该问题的一种方法。

• 将输入读取为灰度
• 设置阈值以确保它是二进制的
• 应用形态关闭
• 通过在输入中绘制黑色来查找轮廓并移除所有小区域
• 应用 Canny 边缘检测
• 保存结果

输入：

import cv2
import numpy as np

# read image as grayscale
img = cv2.imread('K.png', cv2.IMREAD_GRAYSCALE)

# threshold to binary
thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY)[1]

# apply morphology
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))
morph = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)

# find contours - write black over all small contours
letter = morph.copy()
cntrs = cv2.findContours(morph, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
cntrs = cntrs[0] if len(cntrs) == 2 else cntrs[1]
for c in cntrs:
    area = cv2.contourArea(c)
    if area < 100:
        cv2.drawContours(letter,[c],0,(0,0,0),-1)

# do canny edge detection
edges = cv2.Canny(letter, 200, 200)

# write results
cv2.imwrite("K_thresh.png", thresh)
cv2.imwrite("K_morph.png", morph)
cv2.imwrite("K_letter.png", letter)
cv2.imwrite("K_edges.png", edges)

# show results
cv2.imshow("K_thresh", thresh)
cv2.imshow("K_morph", morph)
cv2.imshow("K_letter", letter)
cv2.imshow("K_edges", edges)
cv2.waitKey(0)

阈值图像：

已应用形态学公开：

小区域被移除：

精巧的边缘：

Answer 2

首先使用Gaussian blur 去除图像噪声，然后使用自动阈值canny，如下代码：

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)
    return edged

def main():
    img_1 = cv2.imread('noise/1.png',cv2.IMREAD_GRAYSCALE)
    blurred = cv2.GaussianBlur(img_1, (3, 3), 0)
    auto_edge = auto_canny(blurred)
    plt.imshow(auto_edge)

希望对你有帮助

Answer 3

我查看了接受的答案，觉得这是一个很好的过程，但不需要很多步骤。例如，Canny 在二值图像中不添加任何值。这是一个复杂的过程，旨在检测具有软梯度的图像中的锐利边缘。对于二值图像，Sobel/Laplacian 将给出与 Canny 相同的结果。

此外，这并不完全是锐化边缘，更像是精炼。

我的步骤如下：

1. 图像二值化阈值

2. 单独应用 erode 和 dilate，因为如果您使用 C/C++ 编写，您可以更好地控制诸如就地与否、内存管理之类的事情。当您进行多次迭代以处理更多噪音时，这一点很重要。

3. 寻找轮廓。 根据用例，如果你没有循环（比如字母P中的循环），你可以使用find唯一的外部轮廓来优化代码。

4. 遍历轮廓并从轮廓列表中删除任何低于阈值的轮廓。

5. 您已经在此处以点列表的形式获得了整个边缘。如果可以，请按原样使用边缘或仅创建一个空白图像并绘制所有厚度为 1 的有效轮廓（仅边缘）

    import cv2
    import numpy as np
   
    # read image as grayscale
    img = cv2.imread('K.png', cv2.IMREAD_GRAYSCALE)
   
    # threshold to binary
    thresh = cv2.threshold(img, 1, 255, cv2.THRESH_BINARY)[1]
   
    # apply morphology.
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))
    morph = cv2.erode(thresh, kernel)
    morph = cv2.dilate(morph, kernel)
   
    # find contours & draw only valid contour edges on a black image
    letter = np.zeros_like(img)
    cntrs, hier = cv2.findContours(morph, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
    for idx, c in enumerate(cntrs):
        area = cv2.contourArea(c)
        if area > 100:
            cv2.drawContours(letter, cntrs, idx, 255, 1, 8, hier)
   
    # write results
    cv2.imwrite("K_thresh.png", thresh)
    cv2.imwrite("K_morph.png", morph)
    cv2.imwrite("K_letter.png", letter)
   
    # show results
    cv2.imshow("K_thresh", thresh)
    cv2.imshow("K_morph", morph)
    cv2.imshow("K_letter", letter)
    cv2.waitKey(0)