Canny 边缘提取

Canny 算法简介

步骤：

高斯模糊 — GaussianBlur

灰度转换 — cvtColor

计算梯度 — Sobel/Scharr

非最大信号抑制

高低阈值输出二值图像

实例：

import cv2 as cv 
import numpy as np

def canny_detect(image):
        src = cv.imread(image)
        blurred = cv.GaussianBlur(src, (3,3), 0)  # 高斯模糊，去除干扰噪点
        gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)  # 转化为灰度图
        # X gradient
        gradx = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
        # Y gradient
        grady = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
        # edge
        edge_output = cv.Canny(gradx, grady, 50, 150)  # 利用x，y 轴梯度对图像进行边缘提取
        cv.imshow('customary', src)
        cv.imshow('result', edge_output)
        
canny_detect('/home/pi/Desktop/woman.jpg')
cv.waitKey(0)
cv.destroyAllWindows()

除上述方法之外，还可以直接调用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[, apertureSize[, L2gradient]]]) -> edges
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）。

参考博客：
https://blog.csdn.net/weixin_40973138/article/details/88714472
https://www.cnblogs.com/FHC1994/p/9133015.html