20180918 坎尼边缘检测（Canny）

用到的函数：cv2.Canny（）

canny边缘检测的步骤：

1.噪声去除

边缘检测很容易受到噪声的影响，所以第一步是先用例如5x5的高斯滤波器去除噪声。

2.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），用这两幅梯度图找到边界的梯度和方向（opencv参考书P91）

梯度的方向一般总是和边界垂直，一般梯度方向归结为四类：垂直、水平、+45°、负45°

3.非极大值抑制

在获得了梯度的方向和大小后，应该对图像做一个扫描，扫描的目的是：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中的点中最大的。

具体的解释，参考：https://blog.csdn.net/qq_18234121/article/details/82758721

4.滞后阈值

        设置两个阈值，minVal和maxVal，当图像的梯度值高于maxVal被认为是真的边界，低于minVal的边界被抛弃。而介于两者之间的话，就要看这个点是否与某个被确定为真的边界的点相连。如果是那就认为他也是边界点，否则会被抛弃。

       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。

------------------------------------------------------------------------------------------------------------------------------------------------------------------------

OPENCV中的坎尼边缘检测：

cv2.Canny（img, minVal, maxVal, Sobel_size, L2gradiation）

img:输入图像，检测边缘的图像

minVal、maxVal：之前提到过的滞后阈值

Sobel_size：设置用来计算图像梯度的Sobel卷积核的大小，默认值为3

L2gradient：它可以用来设定求梯度大小的方程。

如果设为True，就会使用我们上面提到过的方程，否则使用方程： 代替，默认值为False

------------------------------------------------------------------------------------------------------------------------------------------------------------------------

举例：

# -*- coding: utf-8 -*-
"""
@author: LC
"""
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('messi5.jpg',0)
edges = cv2.Canny(img,100,200)
plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])
plt.show()

注意：img是一副灰度图！ 结果对比如下：