openCV简要-08 Canny边缘检测

1.过程
1）使用高斯滤波器，去掉图像中的噪音点。
2）计算出每个像素点的梯度强度和方向。
3）利用非极大值抑制，以消除边缘检测产生的杂散响应
4）用双阈值检测确定真正的和潜在的边缘
5）抑制孤立的弱边缘

2.高斯滤波器
之前使用过高斯滤波器。用高斯滤波器的核进行卷积运算时还是要进行归一化处理。

3.梯度和方向
这里使用Sobel算子来计算。

4.非极大值抑制
对于中心像素点，做一条沿它梯度方向的直线。

如图，计算出 M(dtmp1) 和 M(dtmp2) 后，与C的值做对比；如果C比二者都大，才保留C，否则舍弃C。
为了简化计算，由于中心像素点周围只有八个相邻像素点，所以可以直接按4个确定的方向进行计算。

5.双阈值检测
根据梯度值所在的区间，判定该点舍弃还是保留。

import cv2
import numpy as np

img=cv2.imread('test.jpg',cv2.IMREAD_GRAYSCALE)
res1=cv2.Canny(img,80,150)
res2=c2.Canny(img,50,100)
#对比双阈值检测不同区间设置对结果产生的影响
#两个阈值越高，判定为边界的点就越少，结果中细节减少
res=np.hstack((res1,res2))
cv2.imshow('res',res)
cv2.waitKey(0)
cv2.destroyAllWindow()