opencv for python （16）canny边缘检测原理及用滑动条设置阈值进行canny边缘检测

Canny边缘检测原理及步骤
1.噪声去除
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。
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（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。
3.非极大值抑制
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，得到的是一个包含“窄边界”的二值图像。
4.滞后阈值
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。
函数cv2.Canny(img,r,g)
第一个参数是输入图像。第二和第三个分别是 minVal 和 maxVal。第三个参数设置用来计算图像梯度的 Sobel卷积核的大小，默认值为 3。最后一个参数是 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：Edge Gradient (G) = |(Gx)^2| + |(Gy)^2| 代替，默认值为 False。

import cv2   
import numpy as np   
from matplotlib import pyplot as plt 
def nothing(x):
    pass
cv2.namedWindow('image')
cv2.createTrackbar('min','image',0,1000,nothing)
cv2.createTrackbar('max','image',0,1000,nothing)
img = cv2.imread('img_wlk.jpg',cv2.IMREAD_GRAYSCALE)
while(1):
    r = cv2.getTrackbarPos('min','image')
    g = cv2.getTrackbarPos('max','image')
    edges = cv2.Canny(img,r,g)
    cv2.imshow('image',edges)
    k = cv2.waitKey(1)&0xFF
    if k == 27:
        break
    r = cv2.getTrackbarPos('R','image')
    g = cv2.getTrackbarPos('G','image')
cv2.destroyAllWindows()
cv2.waitKey(0)