Canny边缘检测

cv2.Canny()

主要包括四个部分

• 使用高斯滤波去除图像噪声
• 计算梯度的幅度与方向
• 非极大抑制，即适当地让边缘"变瘦"
• 确定边缘，使用双阈值算法确定最终的边缘信息

1.应用高斯滤波去除图像噪声

滤波的目的是平滑一些纹理较弱的非边缘区域，以便得到更准确的边缘

2. 计算梯度

梯度方向总是与边缘方向是垂直的，计算梯度时会得到梯度的幅度和角度(代表梯度的方向)，如（2，90）代表梯度的幅度为2，角度为90°

3. 非极大抑制

在获得了梯度的幅度和方向后，遍历图像中的像素点，去除所有非边缘的点，得到水平方向和垂直方向的最大值

• 如果该点是正/负梯度方向上的局部最大值，则保留该点
• 如果不是，则抑制该点

4. 应用双阈值确定边缘

完成上述步骤以后，图像内的强边缘已经在当前获取的边缘图像内，但是一些虚边缘可能也在边缘图像内。这些虚边缘可能是真实图像产生的，也有可能是噪声产生的。对于后者，必须剔除

若>=maxval,判定为强边缘
若>minval&&<maxval,判定为虚边缘
若<=minval判定为弱边缘

对于虚边缘需要进一步处理，一半通过判断虚边缘与强边缘是否连接，来确定虚边缘到底属于哪种情况

• 与强边缘连接，则将该边缘处理为边缘
• 与强边缘无连接，则该边缘为弱边缘，将其抑制

---

Canny函数及使用

使用不同点的阈值threshold1和threshold2

import cv2

img=cv2.imread('D:/hjb.jpg',cv2.IMREAD_GRAYSCALE)

cv2.imshow('img',img)

r1=cv2.Canny(img,128,200)
r2=cv2.Canny(img,32,128)

cv2.imshow('r1',r1)
cv2.imshow('r2',r2)

cv2.waitKey(0)
cv2.destroyWindow()

---