答案 0 :(得分:5)
您找到了边缘,现在需要找到 这些边缘所在的位置。
(我没有使用你提供的图片,我宁愿在桌面上使用示例图片:D)
以下几行为您提供了这些坐标:
import cv2
import numpy as np
img = cv2.imread('Messi.jpg', 0)
edges = cv2.Canny(img, 100, 255) #--- image containing edges ---
现在你需要找到值大于0的坐标
indices = np.where(edges != [0])
coordinates = zip(indices[0], indices[1])
numpy.where()
方法检索两个数组的元组indices
,其中第一个数组包含白点的x坐标,第二个数组包含白色像素的y坐标。 indices
返回:
(array([ 1, 1, 2, ..., 637, 638, 638], dtype=int64),
array([292, 298, 292, ..., 52, 49, 52], dtype=int64))
zip()
方法获取包含这些点的元组列表。打印coordinates
为我提供了边缘坐标列表:
[(1, 292), (1, 298), (2, 292), .....(8, 289), (8, 295), (9, 289), (9, 295), (10, 288), (10, 289), (10, 294)]
答案 1 :(得分:0)
使用openCV可以直接检测Canny边缘检测。 您只需要应用该函数并保存其结果:
import cv2 as cv
img = cv.imread('messi5.jpg',0)
edges = cv.Canny(img,100,200)
您有关于官方文档的教程: https://docs.opencv.org/3.4/da/d22/tutorial_py_canny.html
边缘
输出边缘图;单通道8位图像,与图像大小相同。
您可以在此图片上应用阈值以使其成为二进制。然后保存1
的索引。