Opencv-Python学习笔记（七）：边缘检测

本片文章记录学习边缘检测的运用。

• 了解坎尼边缘检测的概念
• 学习函数：cv2.Canny（）。

Canny 边缘检测

• 使用高斯滤波器，以平滑图像，滤除噪声。

       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。

• 计算图像中每个像素点的梯度强度和方向。

       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，公式如下：

                                                                     

                                                                  

      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。

• 应用非极大值抑制，以消除边缘检测带来的杂散影响。

       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：

    点A在边缘（垂直方向）上。渐变方向垂直于边缘。点B和C在梯度方向上。因此，将A点与B点和C点进行检查，看是否形成局部最大值。如果是这样，则考虑将其用于下一阶段，否则将其抑制（置为零）。即得到的是一个包含“窄边界”的二值图像。

• 应用双阈值检测来确定真实和潜在的边缘。

      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。如下图：

 

       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。在这一步一些小的噪声点也会被除去，因为我们假设边界都是一些长的线段。

• 通过抑制孤立的弱边缘最终完成边缘检测。

​​​​​​​接下来我们看一下效果：

# -*- coding: utf-8 -*-
# @Time    : 2019/10/19 17:11
# @Author  : MMagicLoren
# @Email   : 993983320@qq.com
# @File    : 边缘检测.py
# @Software: PyCharm
import cv2 as cv
import numpy as np


def canny_demo(image):
    edges1 = cv.Canny(image, 80, 150)
    edges2 = cv.Canny(image, 30, 100)
    res = np.hstack((edges1, edges2))
    cv.imshow('res', res)


if __name__ == '__main__':
    src = cv.imread("F:/Pycharm/opencv_exercises-master/images/CrystalLiu1.jpg")  # 读入图片放进src中
    # cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)  # 创建窗口, 窗口尺寸自动调整
    # cv.imshow("input image", src)
    canny_demo(src)
    cv.waitKey(0)  # 等有键输入或者1000ms后自动将窗口消除，0表示只用键输入结束窗口
    cv.destroyAllWindows()

可见，设置的阈值越小，检测出来的边缘越多。

我们知道了Canny边缘检测的原理之后，我们可以用之前学过的知识，自己写个demo看看效果。

# -*- coding: utf-8 -*-
# @Time    : 2019/10/19 17:11
# @Author  : MMagicLoren
# @Email   : 993983320@qq.com
# @File    : 边缘检测.py
# @Software: PyCharm
import cv2 as cv
import numpy as np


def edges_demo(image):
    blurred = cv.GaussianBlur(image, (3, 3), 0)
    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)
    xgray = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
    ygray = cv.Sobel(gray, cv.CV_16SC1, 0, 1)

    edges_output = cv.Canny(xgray, ygray, 50, 150)  # edges_output = cv.Canny(gray, 50, 150)
    cv.imshow("Canny Edges", edges_output)
    dst = cv.bitwise_and(image, image, mask=edges_output)  # 彩色边缘输出
    cv.imshow("Color Edges", dst)


if __name__ == '__main__':
    src = cv.imread("F:/Pycharm/opencv_exercises-master/images/CrystalLiu1.jpg")  # 读入图片放进src中
    # cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)  # 创建窗口, 窗口尺寸自动调整
    # cv.imshow("input image", src)
    canny_demo(src)
    # edges_demo(src)
    cv.waitKey(0)  # 等有键输入或者1000ms后自动将窗口消除，0表示只用键输入结束窗口
    cv.destroyAllWindows()

完整工程代码：

# -*- coding: utf-8 -*-
# @Time    : 2019/10/19 17:11
# @Author  : MMagicLoren
# @Email   : 993983320@qq.com
# @File    : 边缘检测.py
# @Software: PyCharm
import cv2 as cv
import numpy as np


def canny_demo(image):
    edges1 = cv.Canny(image, 80, 150)
    edges2 = cv.Canny(image, 30, 100)
    res = np.hstack((edges1, edges2))
    cv.imshow('res', res)


def edges_demo(image):
    blurred = cv.GaussianBlur(image, (3, 3), 0)
    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)
    xgray = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
    ygray = cv.Sobel(gray, cv.CV_16SC1, 0, 1)

    edges_output = cv.Canny(xgray, ygray, 50, 150)  # edges_output = cv.Canny(gray, 50, 150)
    cv.imshow("Canny Edges", edges_output)
    dst = cv.bitwise_and(image, image, mask=edges_output)  # 彩色边缘输出
    cv.imshow("Color Edges", dst)


if __name__ == '__main__':
    src = cv.imread("F:/Pycharm/opencv_exercises-master/images/CrystalLiu1.jpg")  # 读入图片放进src中
    # cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)  # 创建窗口, 窗口尺寸自动调整
    # cv.imshow("input image", src)
    # canny_demo(src)
    edges_demo(src)
    cv.waitKey(0)  # 等有键输入或者1000ms后自动将窗口消除，0表示只用键输入结束窗口
    cv.destroyAllWindows()