Canny边缘检测（Python实现）

Canny算法步骤

①高斯模糊 - GaussianBlur
②灰度转换 - cvtColor
③计算梯度 – Sobel/Scharr
④非最大信号抑制
⑤高低阈值输出二值图像——高低阈值比值为2:1或3:1最佳

代码演示

# Canny算子
def Canny_demo(image):
    blur = cv.GaussianBlur(image, (3, 3), 0)
    gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY)
    gradx = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
    grady = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
    edge_output = cv.Canny(gradx, grady, 50, 150)
    # edge_output = cv.Canny(gray, 50, 150) 可以替代前三行
    cv.imshow("Canny Edge", edge_output)

    dst = cv.bitwise_and(image, image, mask=edge_output)
    cv.imshow("Color Edge", dst)

src = cv.imread('./data/lena.jpg', 1)
Canny_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

结果

Canny算法的两种方式

1.使用带自定义图像渐变的Canny算法在图像中查找边缘，

其函数原型为：Canny(dx, dy, threshold1, threshold2, edges, L2gradient)

• dx参数表示输入图像的x导数（x导数满足16位，选择CV_16SC1或CV_16SC3）
• dy参数表示输入图像的y导数（y导数满足16位，选择CV_16SC1或CV_16SC3）。
• threshold1参数表示设置的低阈值。
• threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。
• edges参数表示输出边缘图像，单通道8位图像。
  L2gradient参数表示L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）

直接调用Canny算法在单通道灰度图像中查找边缘

其函数原型为：Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)

• image参数表示8位输入图像。
• threshold1参数表示设置的低阈值。
• threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。
• edges参数表示输出边缘图像，单通道8位图像。
• apertureSize参数表示Sobel算子的大小
• L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）。