用Canny算法对图片进行边缘检测

Canny算法检测分为5个步骤：

1：使用高斯滤波平滑图像，减少图像噪声

2：计算图像种每个像素值灰度值的梯度方向和幅值

3：应用非极大值抑制算法消除边缘检测带来的杂散响应

4：应用双阈值法划分强边缘和弱边缘

5：消除孤立边缘

import cv2
import sys
if __name__ == '__main__':
    image=cv2.imread('lbxx.jpg',cv2.IMREAD_ANYDEPTH)
    if image is None:
        print('这个图像已经损坏')
        sys.exit()
    #通过高阈值检测图像边缘,apertureSize=3是sobel算子的大小，100和200是界定高阈值的范围
    result_high=cv2.Canny(image,100,200,apertureSize=3)
    #通过低阈值检测图像边缘
    result_low=cv2.Canny(image,20,40,apertureSize=3)
    #高斯模糊后检测图像的边缘
    result_gauss=cv2.GaussianBlur(image,(3,3),5)
    result_gauss=cv2.Canny(result_gauss,100,200,apertureSize=3)
    #创建并设置窗口，来显示三种结果
    cv2.namedWindow('result_high',cv2.WINDOW_NORMAL)
    cv2.resizeWindow('result_high',800,800)
    cv2.imshow('result_high',result_high)
    cv2.namedWindow('result_low', cv2.WINDOW_NORMAL)
    cv2.resizeWindow('result_low', 800, 800)
    cv2.imshow('result_low',result_low)
    cv2.namedWindow('result_gauss', cv2.WINDOW_NORMAL)
    cv2.resizeWindow('result_gauss', 800, 800)
    cv2.imshow('result_gauss',result_gauss)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

展现出的结果：

 通过上面的运行结果，我们知道，较高的阈值会降低噪声对图像提取边缘结果的以影响，同时会减少一些边缘信息，而且我们发现先利用高斯模糊在进行边缘检测，能对那些边缘纹理多的大幅度的降低边缘检测的结果，对纹理少的显示出的边缘结果却不是很明显。