5️⃣ 邊緣偵測與形態學操作

🎯 什麼是邊緣偵測與形態學操作？

邊緣偵測與形態學操作是影像處理的 關鍵技術，主要用於 強調物件邊緣、辨識形狀、降噪與物件分割。

✅ 適用場景：

• 邊緣偵測：找出影像中的物件輪廓（如車牌辨識、人臉偵測）
• 形態學操作：清理影像雜訊、強化物件形狀（如 OCR 預處理）

---

✅ Canny 邊緣偵測

Canny 邊緣偵測是一種 常見的邊緣偵測演算法，可用來找出影像中的物件邊界。

import cv2

# 讀取影像
image = cv2.imread("image.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 使用 Canny 邊緣偵測
edges = cv2.Canny(gray, 100, 200)

# 顯示結果
cv2.imshow("Canny Edges", edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ cv2.Canny(gray, 100, 200) 參數解釋：

• 第一個數值 100 是 低閾值
• 第二個數值 200 是 高閾值

這些閾值影響邊緣偵測的靈敏度。

---

✅ 形態學操作（膨脹與侵蝕）

形態學操作主要有 膨脹（Dilation）與侵蝕（Erosion），用於強化或去除特定形狀。

🔹 影像膨脹（Dilation）

膨脹可 增強白色區域、填補空洞，適用於 物件強化與降噪。

import numpy as np

kernel = np.ones((5, 5), np.uint8)
dilated = cv2.dilate(edges, kernel, iterations=1)

cv2.imshow("Dilated Image", dilated)
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ 效果：

• 邊緣變厚，使小型雜訊區域被填補。

---

🔹 影像侵蝕（Erosion）

侵蝕可 減少白色區域，去除雜訊，適用於 影像降噪、OCR 預處理。

eroded = cv2.erode(edges, kernel, iterations=1)

cv2.imshow("Eroded Image", eroded)
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ 效果：

• 細小的雜訊會被去除。
• 物件邊界會被收縮。

---

✅ 開運算與閉運算

開運算與閉運算是 膨脹與侵蝕的組合技術，可用於進一步降噪或強化物件邊界。

🔹 開運算（Opening） - 先侵蝕、再膨脹，去除小雜訊

opened = cv2.morphologyEx(edges, cv2.MORPH_OPEN, kernel)
cv2.imshow("Opening", opened)
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ 適用於移除小型雜訊點（如黑白影像的雜訊）。

🔹 閉運算（Closing） - 先膨脹、再侵蝕，填補小孔洞

closed = cv2.morphologyEx(edges, cv2.MORPH_CLOSE, kernel)
cv2.imshow("Closing", closed)
cv2.waitKey(0)
cv2.destroyAllWindows()

✅ 適用於填補影像中的小孔洞，如斷裂邊緣。

---

📝 總結

功能	語法
Canny 邊緣偵測	cv2.Canny(gray, 100, 200)
影像膨脹（增強白色區域）	cv2.dilate(image, kernel, iterations=1)
影像侵蝕（去除雜訊）	cv2.erode(image, kernel, iterations=1)
開運算（去除雜訊）	cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)
閉運算（填補孔洞）	cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)

🚀 現在你已經學會如何使用邊緣偵測與形態學操作！接下來，我們將學習物件偵測技術！ 😊