第十三天 Opencv（4）边缘检测

一：边缘检测代码

cv2.Canny(img, minVal, maxVal) (minVal, maxVal代表双阈值)

img=cv2.imread("lena.jpg",cv2.IMREAD_GRAYSCALE)

v1=cv2.Canny(img,80,150)
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))
cv_show(res,'res')

img=cv2.imread("car.png",cv2.IMREAD_GRAYSCALE)

v1=cv2.Canny(img,120,250)
v2=cv2.Canny(img,50,100)

res = np.hstack((v1,v2))
cv_show(res,'res')

二：原理简述

Canny边缘检测

• 1) 使用高斯滤波器，以平滑图像，滤除噪声。

• 2) 计算图像中每个像素点的梯度强度和方向。

• 3) 应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。

• 4) 应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。

• 5) 通过抑制孤立的弱边缘最终完成边缘检测。

（1）高斯滤波器（针对每个像素点进行高斯滤波）

（2）计算梯度和方向（计算方向是为了接下来的非极大值抑制）

（3）非极大值抑制

这里所谓的非极大值抑制就是先寻找梯度方向，就是下面蓝色的直线。

再通过插值法求出dTmp1和dTmp2的像素值。

判断：判断C点的像素值是否比dTmp1和dTmp2大，如果不是，则去除掉。（即抑制）

(下面还有一种简单的方法，就是不用插值法，梯度方向就近取。例如dTmp1距离g2比较近，则直接取g2计算。)

（4）双阈值（就是代码中设定的）

如下图所示，超出自己设定的maxVal，则可以直接设定为边界。

低于minVal的直接抛弃。

在minVal和maxVal之间的，则考虑是否相邻的像素值是边界，是的话，则保留。否则抛弃。