OpenCV学习笔记-canny边缘检测

 

一、原理

Canny边缘检测算法是 John F.Canny 与1986年开发出来的一个多级边缘检测算法，也被很多人认为是边缘检测的最优算法，最优边缘检测的三个主要评价标准是：

 

 

低错误率： 标识出尽可能多的实际边缘，同时尽可能的减少噪声产生的误报。

 

高定位性： 标识出的边缘要与图像中的实际边缘尽可能接近。

 

最小响应： 图像中的边缘只能标识一次，同时图像噪声不应产生伪边缘。

 

二、步骤

 

 

1、消除噪声。使用高斯平滑滤波器卷积降噪。- GaussianBlur

 

2、灰度转换 - cvtColor

 

3、计算梯度 - Sobel / Scharr

 

4、非最大信号抑制。细化幅值图像中的屋脊带，即只保留幅值局部变化最大的点。

 

 

5、高低阈值输出二值图像

T1为低阈值，T2为高阈值。

a.如果某一像素位置的幅值超过T2，该像素被保留为边缘像素。

 

 

b.如果某一像素位置的幅值小于T1，该像素被丢弃。

c. 如果某一像素的位置的幅值在两个阈值之间，该像素仅仅连接到一个高于T2的像素是被保留。

最终得到一个输出二值图像

 

推荐的高低阈值比值为T2：T1 = 3：1 /2 :  1

 

三、代码

def edge_demo(img):
    # 第一步 高斯模糊 去除噪声
    blurred = cv.GaussianBlur(img, (3, 3), 0)
    # 第二步 转成灰度图
    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)
    # 第三步 计算梯度
    grad_x = cv.Sobel(gray, cv.CV_16S, 1, 0)
    grad_y = cv.Sobel(gray, cv.CV_16S, 0, 1)
    # 第四、五步 T2：T1 = 3:1
    edge_output = cv.Canny(grad_x, grad_y, 50, 150)
    cv.imshow('Canny edge', edge_output)

    #讲二值边缘转换成彩色边缘
    dst = cv.bitwise_and(img, img, mask=edge_output)
    cv.imshow('Color Edge', dst)

效果图：