这篇文章主要介绍OpenCV中边缘检测的示例分析，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

成都创新互联公司是网站建设专家,致力于互联网品牌建设与网络营销，专业领域包括网站设计、成都网站设计、电商网站制作开发、重庆小程序开发、微信营销、系统平台开发，与其他网站设计及系统开发公司不同，我们的整合解决方案结合了恒基网络品牌建设经验和互联网整合营销的理念，并将策略和执行紧密结合，且不断评估并优化我们的方案，为客户提供全方位的互联网品牌整合方案！

边缘在人类视觉和计算机视觉中均起着重要的作用。

人类能够仅凭一张背景剪影或一个草图就识别出物体类型和姿态。

其中OpenCV提供了许多边缘检测滤波函数，这些滤波函数都会将非边缘区域转为黑色，将边缘区域转为白色或其他饱和的颜色。

不过这些滤波函数都很容易将噪声错误地识别为边缘，所以需要进行模糊处理。

本次的模糊操作使用高斯模糊(低通滤波器)，最常用的模糊滤波器(平滑滤波器)之一，是一个削弱高频信号强度的低通滤波器。

低通滤波器，在像素与周围像素的亮度差值小于一个特定值时，平滑该像素的亮度，主要用于去噪和模糊化。

边缘检测则是使用OpenCV的Canny函数实现，算法虽然很复杂，但是代码却很简单。

5个步骤，使用高斯滤波器对图像去噪、计算梯度、在边缘上使用非大抑制(NMS)、在检测到的边缘上使用双(double)阈值去除阳性(false positive)、分析所有的边缘及其连接，保留真正的边缘并消除不明显的边缘。

下面就来实现一下「跳一跳」的边缘检测，得以获取方块的中心位置。

/ 01 / 边缘检测

Canny边缘检测代码如下。

import cv2
import numpy as np
# 读取原图像
img = cv2.imread('game.png', 0)
# 显示原图像
cv2.namedWindow('img', 0)
cv2.resizeWindow('img', 400, 600)
cv2.imshow('img', img)
# 高斯模糊
img_rgb = cv2.GaussianBlur(img, (5, 5), 0)
canny_img = cv2.Canny(img_rgb, 1, 10)
# 显示边缘检测图像
cv2.namedWindow('canny', 0)
cv2.resizeWindow('canny', 400, 600)
cv2.imshow('canny', canny_img)
# 输出边缘检测图像的高和宽
H, W = canny_img.shape
print(H, W)

输出的图像高宽分别为1920和1080。

下面是原图像灰度图和边缘检测图像。

接下来，通过边缘检测图像找到方块的第一个顶点(上顶点)。

# 第一个顶点的高度,row为列表(代表每一行的像素值),max(row)获取列表中大的像素值
y_top = np.nonzero([max(row) for row in canny_img[400:]])[0][0] + 400

对图像高度大于400的行进行遍历(这样可以去除上方数字270以及小程序块的影响)。

np.nonzero()表示获取列表元素数值不为0的位置，第一个即为上顶点的高度值。

接下来获取上顶点的宽度值。

# 第一个顶点的宽度
x_top = int(np.mean(np.nonzero(canny_img[y_top])))

这里发现有好几个水平点，所以最后取平均值。

接下来对方块下顶点的位置进行确定。

为了跳过小白圈的影响，在上顶点高度的基础上加上80个像素大小。

然后往下方遍历，宽度值保持不变，直至找到像素值不为0的点。

便得到了方块的下顶点坐标。

# 跳过小白圈,然后遍历
y_bottom = y_top + 80
for row in range(y_bottom, H):
  if canny_img[row, x_top] != 0:
    y_bottom = row
    break
# 得到方块的中心点
x_center, y_center = x_top, (y_top + y_bottom) // 2
# 绘制以方块中心点为圆心的圆
cv2.circle(canny_img, (x_center, y_center), 33, (255, 0, 255), 2)
# 显示得到的图像
cv2.namedWindow('result', 0)
cv2.resizeWindow('result', 400, 600)
cv2.imshow('result', canny_img)
# 结束
cv2.waitKey(0)
cv2.destroyAllWindows()

最后通过上下顶点的坐标，得到方块的中心点。

左图为边缘检测原图，右图为找到方块中心点并以中心点为圆心绘制圆形的图像。

/ 02 / 跳动实现

现在结合之前模板匹配获得到的小跳棋位置，计算两中心的距离。

勾三股四弦五，便能得到两个中心的距离了。

看下图，一目了然。

玩过跳一跳的应该都知道，对于不同的距离，我们需要按压的时间是不同的。

所以可以给距离和按压时间设置一个相关参数，此处设置为1.35。

对于我的手机简直完美匹配(与屏幕大小有关)。

最后通过adb命令完成一定的按压时间，完成「跳一跳」自动化。

以上是“OpenCV中边缘检测的示例分析”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注创新互联行业资讯频道！

网站题目：OpenCV中边缘检测的示例分析-创新互联
当前链接：http://kswjz.com/article/iihig.html