OpenCV-Python系列五：图像分割(3)--Canny边

Canny边缘检测是一种常用的边缘提取算法，由高斯滤波，梯度计算，非极大值抑制和双阈值一系列算法流程来实现，抗噪能力强。你可以根据实际的需要来调整各个部分，以满足应用需求。

opencv Canny算子参数
cv2.Canny(srcImg, threshold1, threshold2[, size, L2gradient])
threshold1,threshold2：对应Canny算法中的双阈值，来确定真实和可能是边缘信息
size：为上一期中Sobel算子的ksize信息
L2gradient：bool类型，计算梯度的方法，按照官方文档中的解释为，采用不同的计算梯度值方式，默认为false（计算量小，够用）

1. Canny边缘检测效果

import cv2

src_img = cv2.imread('building.jpg', -1)
gray_img = cv2.cvtColor(src_img, cv2.COLOR_BGR2GRAY)
# Canny算子检测边缘信息
edges_img = cv2.Canny(gray_img, 100, 200, 5)

cv2.imshow('gray_img', gray_img)
cv2.imshow('canny_img', edges_img)

cv2.waitKey(0)
cv2.destroyAllWindows()

Canny边缘检测 在Canny处理前，你可以添加滤波来消除图像中的噪点信号，比如高斯滤波。滤波会使得你的图像内容变得模糊，独立的噪点信号被平滑后对你提取边缘特征是非常有帮助的（比如在霍夫变换前）。 gaussian+canny效果 滤去建筑物内部的细节信息，在进入Canny处理前添加如下代码：

gaussian_img = cv2.GaussianBlur(gray_img,(3, 3),0)

参数(3, 3)为kernel size，必须都是奇数，0为标准差，这里表示会根据kernel size来计算，后面会介绍opencv中的滤波函数。

2. 几种常用的边缘提取方法对比

常用的边缘提取方法对比

import cv2
import numpy as np

img = cv2.imread("building.jpg")

gray_img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# 高斯平滑
gaussian_img = cv2.GaussianBlur(gray_img,(3, 3),0)

# Laplacian算子
laplacian_edge_img = cv2.Laplacian(gaussian_img, -1, ksize =3, delta = 5)
# Sobel提取边缘
grad_x = cv2.Sobel(gaussian_img, cv2.CV_64F, 1, 0 )
abs_grad_x = cv2.convertScaleAbs( grad_x )

grad_y = cv2.Sobel( gaussian_img, cv2.CV_64F, 0, 1 )
abs_grad_y = cv2.convertScaleAbs(grad_y)

sobel_img = cv2.addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0)
# ret,sobel_edge_img=cv2.threshold(sobel_img, 80, 255, cv2.THRESH_BINARY)

# Canny算子
canny_edges_img = cv2.Canny(gaussian_img, 100, 200, 5)

cv2.imshow('laplacian_edge_img', laplacian_edge_img)
cv2.imshow('sobel_edge_img', sobel_img)
cv2.imshow('canny_edges_img', canny_edges_img)

cv2.waitKey(0)
cv2.destroyAllWindows()

其中Sobel实现的代码和上一期提到的方法稍有不同，对边缘的提取效果比上一期提及的直接使用1,1来对两个方向求梯度要好。这里注释的对Sobel结果做阈值处理目的主要是简化图像的信息，方便后续接其他处理。

参考博客链接为：https://blog.51cto.com/weiyuqingcheng/2335243

对于opencv-python的图像分割--Canny边缘检测部分有问题欢迎留言， Have Fun With OpenCV-Python, 下期见。