使用 Python 和 OpenCV 实现边缘检测:分步指南

ID:19607 / 打印

介绍

边缘检测是计算机视觉的基础,使我们能够识别图像中的对象边界。在本教程中,我们将使用 sobel 算子和 canny 边缘检测器以及 python 和 opencv 来实现边缘检测。然后,我们将使用 flask 创建一个简单的 web 应用程序,并使用 bootstrap 进行样式设计,以允许用户上传图像并查看结果。

演示链接:边缘检测演示

先决条件

  • 您的计算机上已安装 python 3.x。
  • python 编程基础知识。
  • 熟悉 html 和 css 会有所帮助,但不是必需的。

设置环境

1.安装所需的库

打开终端或命令提示符并运行:

pip install opencv-python numpy flask 

2.创建项目目录

mkdir edge_detection_app cd edge_detection_app 

实施边缘检测

1. 索贝尔算子

sobel 算子计算图像强度的梯度,强调边缘。

代码实现:

import cv2  # load the image in grayscale image = cv2.imread('input_image.jpg', cv2.imread_grayscale) if image is none:     print("error loading image")     exit()  # apply sobel operator sobelx = cv2.sobel(image, cv2.cv_64f, 1, 0, ksize=5)  # horizontal edges sobely = cv2.sobel(image, cv2.cv_64f, 0, 1, ksize=5)  # vertical edges 

2. canny 边缘检测器

canny 边缘检测器是一种用于检测边缘的多级算法。

代码实现:

# apply canny edge detector edges = cv2.canny(image, threshold1=100, threshold2=200) 

创建 flask web 应用程序

1. 设置 flask 应用程序

创建一个名为app.py的文件:

from flask import flask, request, render_template, redirect, url_for import cv2 import os  app = flask(__name__)  upload_folder = 'static/uploads/' output_folder = 'static/outputs/'  app.config['upload_folder'] = upload_folder app.config['output_folder'] = output_folder  # create directories if they don't exist os.makedirs(upload_folder, exist_ok=true) os.makedirs(output_folder, exist_ok=true) 

2. 定义路线

上传路线:

@app.route('/', methods=['get', 'post']) def upload_image():     if request.method == 'post':         file = request.files.get('file')         if not file or file.filename == '':             return 'no file selected', 400         filepath = os.path.join(app.config['upload_folder'], file.filename)         file.save(filepath)         process_image(file.filename)         return redirect(url_for('display_result', filename=file.filename))     return render_template('upload.html') 

处理图像函数:

def process_image(filename):     image_path = os.path.join(app.config['upload_folder'], filename)     image = cv2.imread(image_path, cv2.imread_grayscale)      # apply edge detection     sobelx = cv2.sobel(image, cv2.cv_64f, 1, 0, ksize=5)     edges = cv2.canny(image, 100, 200)      # save outputs     cv2.imwrite(os.path.join(app.config['output_folder'], 'sobelx_' + filename), sobelx)     cv2.imwrite(os.path.join(app.config['output_folder'], 'edges_' + filename), edges) 

结果路线:

@app.route('/result/<filename>') def display_result(filename):     return render_template('result.html',                            original_image='uploads/' + filename,                            sobelx_image='outputs/sobelx_' + filename,                            edges_image='outputs/edges_' + filename) 

3. 运行应用程序

if __name__ == '__main__':     app.run(debug=true) 

使用 bootstrap 设计 web 应用程序的样式

在 html 模板中包含 bootstrap cdn 以进行样式设置。

立即学习“Python免费学习笔记(深入)”;

1.上传.html

创建templates目录并添加upload.html:

<!doctype html> <html lang="en"> <head>     <meta charset="utf-8">     <title>edge detection app</title>     <!-- bootstrap css cdn -->     <link rel="stylesheet" href="https://maxcdn.bootstrapcdn.com/bootstrap/4.5.2/css/bootstrap.min.css"> </head> <body>     <div class="container mt-5">         <h1 class="text-center mb-4">upload an image for edge detection</h1>         <div class="row justify-content-center">             <div class="col-md-6">                 <form method="post" enctype="multipart/form-data" class="border p-4">                     <div class="form-group">                         <label for="file">choose an image:</label>                         <input type="file" name="file" accept="image/*" required class="form-control-file" id="file">                     </div>                     <button type="submit" class="btn btn-primary btn-block">upload and process</button>                 </form>             </div>         </div>     </div> </body> </html> 

2.结果.html

在templates目录下创建result.html:

<!doctype html> <html lang="en"> <head>     <meta charset="utf-8">     <title>edge detection results</title>     <!-- bootstrap css cdn -->     <link rel="stylesheet" href="https://maxcdn.bootstrapcdn.com/bootstrap/4.5.2/css/bootstrap.min.css"> </head> <body>     <div class="container mt-5">         <h1 class="text-center mb-5">edge detection results</h1>         <div class="row">             <div class="col-md-6 mb-4">                 <h4 class="text-center">original image</h4>                 @@##@@             </div>             <div class="col-md-6 mb-4">                 <h4 class="text-center">sobel x</h4>                 @@##@@             </div>             <div class="col-md-6 mb-4">                 <h4 class="text-center">canny edges</h4>                 @@##@@             </div>         </div>         <div class="text-center mt-4">             <a href="{{ url_for('upload_image') }}" class="btn btn-secondary">process another image</a>         </div>     </div> </body> </html> 

运行和测试应用程序

1. 运行 flask 应用程序

python app.py 

2. 访问应用程序

打开网络浏览器并导航至 http://localhost:5000。

  • 上传图像并单击“上传并处理”。
  • 查看边缘检测结果。

结果示例

original image

结论

我们构建了一个简单的 web 应用程序,使用 sobel 算子和 canny 边缘检测器执行边缘检测。通过集成 python、opencv、flask 和 bootstrap,我们创建了一个交互式工具,允许用户上传图像并查看边缘检测结果。

后续步骤

  • 增强应用程序:添加更多边缘检测选项或允许参数调整。
  • 改进ui:融入更多bootstrap组件,提供更好的用户体验。
  • 进一步探索:在 heroku 或 aws 等其他平台上部署应用程序。

github 存储库:边缘检测应用

sobel xcanny edges使用 Python 和 OpenCV 实现边缘检测:分步指南
上一篇: python + data-star 的新思维方式
下一篇: 完整的 Python 指南:从基础到高级!

作者:admin @ 24资源网   2025-01-14

本站所有软件、源码、文章均有网友提供,如有侵权联系308410122@qq.com

与本文相关文章

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。