关于（canny）边缘检测的一般问题
我面临一些关于图像边缘检测的一般问题（图像应该与我的问题无关）。
>
我希望精明的边缘检测器忽略某个像素值。例如：它应该只在灰度值不是0的情况下寻找边缘。否则会检测到“假边缘”。
我通常使用cv2。canny功能，运行速度快，效果好。问题是，它是不可定制的。所以我用了一个定制的canny边缘检测器的代码(https://rosettacode.org/wiki/Canny_edge_detector#Python)为了定制它。它可以工作，但计算边缘的速度太慢（需要几分钟，而cv2.canny函数只需要几分之一秒）。这是我的第一个问题。
有没有另一种方法可以让cv2.canny函数“忽略”一个certein值的像素。想象图片中的某个地方是一个充满黑色的区域（所以下面的图片）。我不想让边缘检测器检测到这个黑色区域的边缘。
提前谢谢
共有1个答案
这里有一个方法：
>
现在找到图像中的所有黑色像素-您可以使用\uU4，thr=cv2来完成此操作。阈值（im，1255，cv2.THRESH_BINARY）并使用形态学将这些区域放大1像素，以允许边缘像通常那样偏移一点。
将正常的Canny图像与您创建的遮罩相乘，以便在黑色区域中找到的任何内容都将乘以零，即丢失。
-
Canny边缘检测用于检测图像中的边缘。 它接受灰度图像作为输入，并使用多级算法。可以使用类的方法在图像上执行此操作，以下是此方法的语法。 该方法接受以下参数 - image - 表示此操作的源(输入图像)的对象。 edges - 表示此操作的目标(边缘)的对象。 threshold1 - 类型为的变量表示滞后过程的第一个阈值。 threshold2 - 类型为的变量表示滞后过程的第二个阈值。 示
-
目标 在这一章中，我们将学习 Canny 边缘检测的概念 OpenCV 的 Canny 边缘检测函数：cv2.Canny() 理论基础 Canny边缘检测是一种流行的边缘检测算法。它是由 John F. Canny 于 1986 年开发的。它是一个多阶段算法，我们将学习每个阶段做了什么。 降噪 由于边缘检测容易受到图像中的噪声影响，因此首先要用5x5高斯滤波器去除图像中的噪声。我们在前面的章节已经
-
目标 在本章中，我们将学习 Canny边缘检测的概念 OpenCV函数: cv.Canny() 理论 Canny Edge Detection是一种流行的边缘检测算法。它由John F. Canny发明 这是一个多阶段算法，我们将经历每个阶段。 降噪 由于边缘检测容易受到图像中噪声的影响，因此第一步是使用5x5高斯滤波器消除图像中的噪声。我们已经在前面的章节中看到了这一点。 查找图像的强度梯度 然
-
本文向大家介绍python实现canny边缘检测，包括了python实现canny边缘检测的使用技巧和注意事项，需要的朋友参考一下 canny边缘检测原理 canny边缘检测共有5部分组成，下边我会分别来介绍。 1 高斯模糊（略） 2 计算梯度幅值和方向。 可选用的模板：soble算子、Prewitt算子、Roberts模板等等; 一般采用soble算子，OpenCV也是如此，利用soble水平和
-
我几乎没有图像处理和识别的背景知识。我试图检测灰度图像（如肖像）上的主边缘/灰度变换。问题是在某些部分，边缘模糊（因为焦点）。我使用的是具有多个阈值的Canny边缘检测器，但我永远无法检测到这些边缘（下巴、衣服、耳朵、脸部侧面等） 边缘检测是正确的工具吗？谢谢
-
我正试图从彩色背景图像中提取文本。我正在尝试的一种方法是边缘检测。用它我把原始图像转换成我可以处理的图像。这将消除图像中的所有颜色，只留下边缘。 我使用此代码获取边缘图像 我的问题是，在我得到这些图像后，我如何才能追踪这些图像中的字母？任何帮助都会很好。谢谢你们 这些是原始图像和边缘检测图像。 原始图像 边缘检测图像
-
我想提取图像的轮廓，用点坐标序列表示。 使用，我能够生成一个只包含图像边缘的二进制图像。然后，我尝试使用来提取轮廓。不过，结果并不好。 对于每一条边，我通常得到两条线，就像它被认为是一个非常薄的区域一样。我想简化我的轮廓，这样我可以把它们画成单线。或者用不同的函数提取它们，直接产生正确的结果会更好。 我查看了OpenCV的文档，但没有找到任何有用的东西，但我想我不是第一个遇到类似问题的人。有什么功
-
我使用精明的边缘检测器来检测输入图像的边缘。 在每个输入图像中，可以有两个对象（主对象和其中的另一个对象），如示例图像所示。因此，在这种情况下，我应该检测两条边 我根据输入图像自动确定上下阈值（使用中值和西格玛）。大多数情况下，canny工作正常，但有时当图像对比度不太好时，边缘检测失败，如以下示例所示（注意：-外边缘始终正确检测，内边缘出现问题） Canny检测到外部边界的边缘，但内部对象的边缘