Python Open CV canny正在检测除边缘以外的所有内容

Canny正在检测除道路外的所有边缘。 这是原始图像。

这是一个示例图像。

我已经试过玩精明的门槛了。 应用高斯滤波，中值滤波，双边滤波

我还尝试先使用黑白图像阈值拟合器，但问题是地形颜色略有变化，这会导致问题

将numpy导入为np
从PIL导入ImageGrab
进口cv2
导入时间
def屏幕_记录（）：
last_time=time.time（）
虽然（正确）：
#记录屏幕左上角以获取图像。
printscreen=np.array（ImageGrab.grab（bbox=（0,401098728）））
打印（'循环耗时{}秒'。格式（time.time（）-last_time））
last_time=time.time（）
颜色=cv2.CVT颜色（打印屏幕，cv2.color\U BGR2GRAY）
canny=cv2.canny（颜色，20100）
cv2.imshow（“边缘”，canny）
如果cv2.waitKey（25）&0xFF==ord（'q'）：
cv2.destroyAllWindows（）
打破
屏幕记录（）

我希望只有一条实线。 如下图所示。 计算机不像人类那样“看”东西！假设你更关心的是检测“道路”，而不是为什么Canny过滤器不能“工作”，我会将红色通道与绿色通道进行比较，这会在道路和草地之间提供非常好的分离（在这种类型的图像中）。e、 g:

img_bgr = cv2.imread('road.png')

delta = img_bgr[:,:,1] - img_bgr[:,:,2]
delta = cv2.blur(delta, (200, 200))
road = delta > 128

给我：

i、 e.

True

值（白色）为道路，

False

值为草地。这应该比canny的“台词”更容易理解

这当然会在其他地方做一些奇怪的事情，但可能足以让你开始

计算机不会像人类那样“看到”事情！假设你更关心的是检测“道路”，而不是为什么Canny过滤器不能“工作”，我会将红色通道与绿色通道进行比较，这会在道路和草地之间提供非常好的分离（在这种类型的图像中）。e、 g:

img_bgr = cv2.imread('road.png')

delta = img_bgr[:,:,1] - img_bgr[:,:,2]
delta = cv2.blur(delta, (200, 200))
road = delta > 128

给我：

i、 e.

True

值（白色）为道路，

False

值为草地。这应该比canny的“台词”更容易理解

---

这当然会在其他位置发生奇怪的事情，但可能足以让您开始

您可以同时使用打开和关闭操作来过滤canny中的噪声边缘。代码如下

import numpy as np
import cv2
import matplotlib.pyplot as plt

img = cv2.imread('vLnzxEs.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
canny = cv2.Canny(gray, 20, 100)

# visualize the canny image
plt.figure
plt.imshow(canny, cmap='gray')

#decleare kernel for closing and opening operations
kernel = np.ones((75,75),np.uint8)
# apply closing and opening
closing = cv2.morphologyEx(canny, cv2.MORPH_CLOSE, kernel)
opening = cv2.morphologyEx(closing, cv2.MORPH_OPEN, kernel)

# visualize the opening 
plt.figure
plt.imshow(opening, cmap='gray')

输出看起来像

---

您可以同时使用打开和关闭操作来过滤canny中的噪声边缘。代码如下

import numpy as np
import cv2
import matplotlib.pyplot as plt

img = cv2.imread('vLnzxEs.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
canny = cv2.Canny(gray, 20, 100)

# visualize the canny image
plt.figure
plt.imshow(canny, cmap='gray')

#decleare kernel for closing and opening operations
kernel = np.ones((75,75),np.uint8)
# apply closing and opening
closing = cv2.morphologyEx(canny, cv2.MORPH_CLOSE, kernel)
opening = cv2.morphologyEx(closing, cv2.MORPH_OPEN, kernel)

# visualize the opening 
plt.figure
plt.imshow(opening, cmap='gray')

输出看起来像

什么是“绘图代码”？该图像是由

cv2.imwrite（'road\u out.png'，road.astype（delta.dtype）*255）

生成的，如果这是您的意思的话。否则，您可以使用matplotlib执行

plt.imshow（road）

什么是“绘图代码”？该图像是由

cv2.imwrite（'road\u out.png'，road.astype（delta.dtype）*255）

生成的，如果这是您的意思的话。否则，您可以使用matplotlib执行

plt.imshow（road）