Canny边缘检测

Canny边缘检测算法是由4步构成，分别介绍如下：

• 第一步：噪声去除

由于噪声会影响边缘检测的准确性 ，所以首先使用高斯滤波器去除噪声，在图像平滑那一章节中已经介绍过。

• 第二步：计算图像梯度

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（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:

 

如果某个像素点是边缘，则其梯度方向总是与边缘垂直。梯度方向被归为四类：垂直，水平，和两个对角线方向。

• 第三步：非极大值抑制

在获得梯度的方向和大小之后，对整幅图像进行扫描，去除那些非边界上的点,得到局部最大值的像素点。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：

 

A点位于图像的边缘，在其梯度变化方向，选择像素点B和C，用来检验A点的梯度是否为极大值，若为极大值，则进行保留，否则A点被抑制，最终的结果是具有“细边”的二进制图像（这是最初的边界）。

• 第四步：滞后阈值

现在要确定真正的边界，我们还要对第三步得到的像素点再进行筛选和处理，我们设置两个阈值： minVal 和 maxVal。 当图像的灰度梯度高于 maxVal 时被认为是真的边界， 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（判断两个像素点是否相连是根据连通性进行判断），如果是就认为它也是边界点，如果不是就抛弃。如下图：

 

 如上图所示，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OpenCV中要实现Canny检测使用的API:

canny = cv2.Canny(image, threshold1, threshold2) 

参数：

• image:灰度图，

• threshold1: minval，较小的阈值将间断的边缘连接起来，它的值一般不会超过20

• threshold2: maxval，较大的阈值检测图像中明显的边缘，它的值一般介于100-150之间

示例：

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
# 1 图像读取
img = cv.imread('./image/horse.jpg',0)
# 2 Canny边缘检测
lowThreshold = 0
max_lowThreshold = 100
canny = cv.Canny(img, lowThreshold, max_lowThreshold) 
# 3 图像展示
plt.figure(figsize=(10,8),dpi=100)
plt.subplot(121),plt.imshow(img,cmap=plt.cm.gray),plt.title('原图')
plt.xticks([]), plt.yticks([])
#Canny边缘图像显示的是梯度值，也就是说原图像中每个像素点的灰度值由梯度值代替（但是由第三步：非极大值抑制和第四步：滞后阈值可知，不满足条件的的像素点的梯度值都置为0，满足条件的梯度值设置为255，所以经过canny处理后的图像的灰度值只有两个取值，0和255，它相当于二值图）
plt.subplot(122),plt.imshow(canny,cmap = plt.cm.gray),plt.title('Canny检测后结果')
plt.xticks([]), plt.yticks([])
plt.show()

 程序运行结果展示：