OpenCV-Python Canny边缘检测直观感受窗口界面实现

一、理论支持

因为边缘检测，容易受到噪声的干扰，所以第一步就是降噪。一般使用 5 X 5 的高斯滤波器进行过滤。

非极大值抑制：使用Sobel滤波器，只有在检测到边缘的时候，才会保留边缘像素，否则，就全部置零。（深度学习CNN基础深度学习边缘检测篇部分有关内容）

磁滞阈值：该阶段确定哪些边缘全部是真正的边缘，哪些不是。为此，我们需要两个阈值minVal 和maxVal。强度梯度大于maxVal 的任何边缘必定是边缘，而小于minVal 的那些边缘必定是非边缘，因此将其丢弃。介于这两个阈值之间的对象根据其连通性被分类为边缘或非边缘。如果将它们连接到“边缘”像素，则将它们视为边缘的一部分。否则，它们也将被丢弃。

二、代码实现

在OpenCV中，我们利用cv.Canny函数，就能轻易地进行边缘。

import cv2 as cv
#读取需要进行边缘检测的图片
img=cv.imread("text.jpg")
#Trackbar的回调函数，我们这里什么也不做
def nothing(x):
    pass
#创建一个边缘检测Edges窗口
cv.namedWindow("Edges")
#创建Canny中maxVal和minVal数值滑动条
cv.createTrackbar("maxVal","Edges",100,1000,nothing)
cv.createTrackbar("minVal","Edges",50,1000,nothing)
#创建一个开关，方便我们切换查看原图和边缘检测后的图
switch="0:OFF\n1:ON"
cv.createTrackbar(switch,"Edges",0,1,nothing)
#初始化minVal和maxVal
minVal,maxVal=50,100
edges = cv.Canny(img, minVal, maxVal)

#实时更新图片显示
while(1):
    cv.imshow("Edges", edges)
    k=cv.waitKey(1)
    if k == 27:
        break
    #获取Trackbar数值
    maxVal = cv.getTrackbarPos("maxVal", "Edges")
    minVal = cv.getTrackbarPos("minVal", "Edges")
    #设置开关，0为原图，1为边缘检测后的图片
    s = cv.getTrackbarPos(switch, "Edges")
    if s==0:
        edges =img
    else:
        edges = cv.Canny(img, minVal, maxVal)
#最后不要忘记销毁窗口
cv.destorayWindows()

三、实际表现

通过拖动两个滑动条，我们可以直观感受磁滞阈值对Canny边缘检测的影响。

四、总结

Canny边缘检测优于开运算和闭运算，它能发现人眼识别不出的图像细节。但是它的两个超级参数super parameters 比较难以掌控，我们是否可以通过机器学习的方法，让它自动寻找这两个超级参数呢？