【沒錢ps,我用OpenCV!】Day 16 - 進階修圖3，運用 OpenCV 幫助我們找圖片的輪廓(高斯模糊、Canny) cv2.GaussianBlur, cv2.Canny

12th鐵人賽

嗡嗡

2020-09-28 22:58:20

10909 瀏覽

分享至

先來看看今天的結果圖

還是請我們的貓貓助教來幫忙XDDDD

-> 此篇文章的程式碼 github

Day16_高斯模糊找輪廓_GaussianBlur_Canny.ipynb

前言

基本修圖技能學習完之後，
再來我們要來學一些比較進階會使用的修圖技巧囉！

運用 OpenCV 幫助我們找圖片的輪廓(高斯模糊、Canny)

今天我們會來測試兩張圖片！
首先我們先建立比較好理解的較簡單圖片。

shape = (200, 200, 3)
origin_img = np.zeros(shape, np.uint8)
origin_img = draw_cirlces(origin_img, circle_mid=(50,50), color=(0,255,0) ,radius=30)
origin_img = draw_cirlces(origin_img, circle_mid=(50,150), color=(255,255,0) ,radius=27)
origin_img = draw_cirlces(origin_img, circle_mid=(100,100), color=(255,0,255) ,radius=23)
origin_img = draw_cirlces(origin_img, circle_mid=(150,60), color=(255,0,0) ,radius=25)
origin_img = draw_cirlces(origin_img, circle_mid=(150,150), color=(0,0,255) ,radius=21)
origin_img = draw_cirlces(origin_img, circle_mid=(120,35), color=(0,255,255) ,radius=18)
origin_img = draw_cirlces(origin_img, circle_mid=(110,150), color=(255,255,255) ,radius=40)

print("origin picture:")
show_img(origin_img)

其實上面的程式幾乎都只是在為這張範例圖片畫圓而已...
不用想得太複雜哈哈哈哈

第一步 - 轉成灰階

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # start from BGR -> gray

因為彩色的圖片有三個顏色通道需要處理，
但我們今天只需要找到輪廓，用一個通道即可，
這樣能使得我們在運算上不會到太複雜，
因此我們會先將圖片轉成灰階。

第二步 - OpenCV 的高斯模糊

# 高斯模糊(高斯平滑)，與計算核心大小
def do_GaussianBlur(gray):
    kernel_size = 5
    blur_gray = cv2.GaussianBlur(gray,(kernel_size, kernel_size), 0)
    return blur_gray

高斯模糊(又稱高斯平滑)，正如他的名字，就是我們將圖片模糊化，
kernel_size 是我們進行運算時，對於多大範圍的圖片進行運算。

簡單可以理解為：我們如果對 5x5 的 kernel_size 運算，
那圖片每一個 5x5 的中心受到高斯模糊的影響會最大

算出來就會是一張比較模糊的圖片。

(看得出來有比較模糊吧哈哈哈哈哈)

Q: 為什麼要模糊?

A: 因為先做高斯模糊(或說經過高斯平滑)的圖片能夠去除很多圖片的噪聲(雜訊)，
更容易讓我們找到更精準的輪廓。

第三步 - OpenCV 的 Canny 邊緣檢測

# Canny邊緣運算
def do_Canny(blur_gray):
    low_threshold = 1
    high_threshold = 90
    edges = cv2.Canny(blur_gray, low_threshold, high_threshold)
    return edges

其中有兩個參數需要自己依情況調整，
我們知道灰階圖片的值介於 0~255 之間，
情況有三種：

高於 high_threshold: 為 strong edge ，我們直接保留
介於 low_threshold 與 high_threshold: 為 weak edge ，
Canny會檢測 weak edge 是否能與 strong edge 相連，
如果會相連的才會被保留。
低於 low_threshold: 我們都不當作 edge