Canny边缘检测

在 OpenCV 中只需要一个函数：cv2.Canny()，就可以完成以上几步。让我们看如何使用这个函数。这个函数的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：代替，默认值为 False

1. 消除噪声：使用高斯平滑滤波器卷积降噪。
2. 计算梯度幅值和方向：此处按照sobel滤波器的步骤来操作：（1）运用一对卷积阵列（分别作用于x和y方向），（2）计算梯度幅值和方向，梯度方向一般取0度、45度、90度、135度这4个可能的角度之一。
3. 非极大值抑制：这一步排除非边缘像素，仅仅保留了一些细线条（候选边缘）
4. 滞后阈值：滞后阈值需要两个阈值（高阈值和低阈值） 
5. （1）若某一像素位置的幅值超过高阈值，该像素被保留为边缘像素。 

         （2）若某一像素位置的幅值小于低阈值，该像素被排除。 

         （3）若某一像素位置的幅值在两个阈值之间，该像素仅仅在连接到一个高于高阈值的像素时被保留。 

           void Canny(inputArray,outputArray,double threshold1,double threshold2,int apertureSize=3,bool L2gradient=false) 

           *第一个参数，输入图像，且需为单通道8位图像。 

           *第二个参数，输出的边缘图。 

           *第三个参数，第一个滞后性阈值。用于边缘连接。 

           *第四个参数，第二个滞后性阈值。用于控制强边缘的初始段，高低阈值比在2:1到3:1之间。 

           *第五个参数，表明应用sobel算子的孔径大小，默认值为3。 

           *第六个参数，bool类型L2gradient，一个计算图像梯度幅值的标识，默认值false。

r=cv2.Canny(o,100,200)
o:原图像
100：最小阈值
200：最大阈值

import cv2
import numpy as np
import matplotlib.pyplot as plt
o=cv2.imread("image\\lena.bmp",cv2.IMREAD_GRAYSCALE)
r=cv2.Canny(o,100,200)
#使用cv2中的imshow()函数进行绘图
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()

r1=cv2.Canny(o,100,200)
r2=cv2.Canny(o,64,128)
两个阈值threshold1和threshold2两个值越小，内容越丰富

import cv2
import numpy as np
o=cv2.imread("image\\lena.bmp",cv2.IMREAD_GRAYSCALE)
r1=cv2.Canny(o,100,200)
r2=cv2.Canny(o,64,128)
cv2.imshow("original",o)
cv2.imshow("result1",r1)
cv2.imshow("result2",r2)
cv2.waitKey()
cv2.destroyAllWindows()