Opencv 开放CV中轮廓估计的Canny边缘与阈值
我正在使用OpenCV进行图像处理应用程序，该应用程序涉及图像中的轮廓估计。我想知道的是，对图像进行阈值化（就像他们所做的那样）或使用Canny Edge算法（）是否会产生更好的结果。这是涉及算法分析还是我遗漏了什么？很明显，边缘检测很精明。它做了一系列的事情来确保结果中只会出现强边。阈值化只是查看强度，看看每个值是小还是大，我们分别得到“边缘”点但是，根据场景的复杂性，阈值和边缘检测将产生相同的结果。例如，如果您有一个干净的图像，其中包含多个清晰的对象，这些对象在前景和背景之间具有明显的强度差异，则可以使用边缘检测或阈值处理。如果您有一个更复杂的图像，其中不同区域的对比度不同，或者如果您有多个具有不同强度的对象，那么阈值化将不会给您带来好的结果，因为不可避免地会包含不属于任何适当对象的像素。这就是为什么边缘检测更好，因为它是一个局部算子，而阈值是全局。阈值化将一套原则应用于图像中的每一个像素。边缘检测将图像分解为多个面片，并确定每个面片中是否发生了某些情况Opencv 开放CV中轮廓估计的Canny边缘与阈值,opencv,image-processing,computer-vision,contour,canny-operator,Opencv,Image Processing,Computer Vision,Contour,Canny Operator,我正在使用OpenCV进行图像处理应用程序，该应用程序涉及图像中的轮廓估计。我想知道的是，对图像进行阈值化（就像他们所做的那样）或使用Canny Edge算法（）是否会产生更好的结果。这是涉及算法分析还是我遗漏了什么？很明显，边缘检测很精明。它做了一系列的事情来确保结果中只会出现强边。阈值化只是查看强度，看看每个值是小还是大，我们分别得到“边缘”点但是，根据场景的复杂性，阈值和边缘检测将产生相同的结果。例如，如果您有一个干净的图像，其中包含多个清晰的对象，这些对象在前景和背景之间具有明显的强度差
如果您想从中吸取一些东西，它们之间的区别在于阈值更多地用于对象提取，而边缘检测是处理管道中的预处理步骤，例如轮廓估计、对象检测和识别以及特征分析。阈值化是一种非常快速和肮脏的方法，可以查看是否发生了什么事情，或者提取出“活动”的东西，而边缘检测更适合于计算机视觉相关的任务
我不想解释边缘检测有多精明，我想让你们参考一些文献
- 德雷塞尔大学的这一页让我很快开始学习：
- 本页来自Computer Vision Online，内容更为深入：
希望这有帮助 @user3829158-我的荣幸：）祝你好运！