Canny边缘检测（opencv_python学习）

Canny Edge Detection算法原理

Canny边缘检测是一个多阶段的算法，包括以下几个步骤：

1. 噪声抑制：使用高斯滤波器对输入图像进行平滑处理，以降低噪声对边缘检测的影响。高斯滤波可以有效地去除图像中的高频噪声。

2. 计算梯度：使用Sobel算子计算图像的水平和垂直方向上的梯度。这一步旨在捕捉图像中的边缘信息。通过计算梯度的幅值和方向，可以确定图像中的边缘位置和边缘的方向。

3. 非极大值抑制：在梯度图像上执行非极大值抑制，目的是细化边缘以获得更准确的结果。该步骤会检查每个像素点周围的邻域，判断当前像素是否为沿着梯度方向的局部最大值，如果是，则保留该像素作为边缘点，否则将其抑制。

4. 双阈值处理：使用两个阈值（高阈值和低阈值）来确定哪些边缘属于真正的边缘。高阈值用于初始的边缘选取，低阈值用于连接被高阈值选取的边缘上的弱边缘。如果一个边缘像素的梯度值大于高阈值，则视为强边缘；如果梯度值处于高阈值和低阈值之间，则仅在其周围有强边缘时才被视为边缘，否则被认为是噪声。

5. 边缘跟踪：根据双阈值处理后的结果，通过连接强边缘像素，形成完整的边缘线条。

cv.Canny()函数

Canny边缘检测是一种经典的边缘检测算法，它可以有效地检测图像中的边缘。在OpenCV中，可以使用cv.Canny()函数来实现Canny边缘检测。

cv.Canny()函数的语法如下：

edges = cv.Canny(image, threshold1, threshold2, apertureSize=3, L2gradient=False)

参数解释：

• image：要进行边缘检测的输入图像，必须为单通道灰度图像。
• threshold1：边缘检测中的低阈值，用于边缘强度的下界。
• threshold2：边缘检测中的高阈值，用于边缘强度的上界。
• apertureSize：Sobel算子的孔径大小，默认为3。
• L2gradient：一个布尔值，指定计算梯度幅值的方法。如果设置为True，使用更精确但稍慢的L2范数；如果设置为False，使用默认的L1范数。默认为False。

函数返回一个包含边缘信息的二值图像，其中白色表示边缘，黑色表示非边缘。

import cv2 as cv

# 读取图像
image = cv.imread('image.jpg', cv.IMREAD_GRAYSCALE)

# 应用Canny边缘检测
edges = cv.Canny(image, 100, 200)

# 显示结果
cv.imshow('Canny Edge Detection', edges)
cv.waitKey(0)
cv.destroyAllWindows()