1.Canny 边缘检测原理
步骤：
·1噪声去除: 由于边缘检测很容易受到噪声影响，所以第一步是使用 5x5 的高斯滤波器 去除噪声
·2计算图像梯度：
对平滑后的图像使用 Sobel 算子计算水平方向和竖直方向的一阶导数（图 像梯度）（Gx 和 Gy）
根据得到的这两幅梯度图（Gx 和 Gy）找到边界的梯 度和方向
梯度的方向一般总是与边界垂直。梯度方向被归为四类：垂直，水平，和 两个对角线。
·3非极大值抑制
在获得梯度的方向和大小之后，应该对整幅图像做一个扫描，去除那些非 边界上的点。对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯 度方向的点中最大的。如下图所示：
得到的是一个包含“窄边界”的二值图像。
·4滞后阀值
现在要确定那些边界才是真正的边界。这时我们需要设置两个阈值： minVal 和 maxVal
当图像的灰度梯度高于 maxVal 时被认为是真的边界， 那些低于 minVal 的边界会被抛弃。如果介于两者之间的话，就要看这个点是 否与某个被确定为真正的边界点相连，如果是就认为它也是边界点，如果不是 就抛弃
A 高于阈值 maxVal 所以是真正的边界点，C 虽然低于 maxVal 但高于 minVal 并且与 A 相连，所以也被认为是真正的边界点。而 B 就会被抛弃，因 为他不仅低于 maxVal 而且不与真正的边界点相连。所以选择合适的 maxVal 和 minVal 对于能否得到好的结果非常重要
2.OpenCV Canny 函数
OpenCV中的Canny函数
这个函数的第一个参数是输入图像。
第二和第三 个分别是 minVal 和 maxVal。
第三个参数设置用来计算图像梯度的 Sobel 卷积核的大小，默认值为 3。
最后一个参数是 L2gradient，它可以用来设定 求梯度大小的方程。如果设为 True，就会使用我们上面提到过的方程，否则 使用方程：Edge?Gradient(G) = |G2 x | + |G2 y | 代替，默认值为 False。
3.Demo
|
import cv2 as cv import numpy as np import matplotlib.pyplot as plt img = cv.imread(‘E:\\fruits_copy.jpg‘) edges = cv.Canny(img,100,200) plt.subplot(121),plt.imshow(img,cmap = ‘gray‘) plt.title(‘Original Image‘) plt.subplot(122),plt.imshow(edges,cmap = ‘gray‘) plt.title(‘Edge Image‘) plt.show() |
阀值不同，得到的结果差别也很大
