OpenCV-Canny边缘检测

---

title: Canny边缘检测算法

Canny边缘检测算法基本原理

1. 图像灰度化
2. 高斯滤波
3. 用一阶偏导的有限差分来计算梯度的幅值和方向
4. 对梯度幅值进行非极大值抑制
5. 用双阈值算法检测和连接边缘

参考：
参考文档

OpenCV中的实现

代码实现：

"""
Canny边缘检测的概念 - OpenCV函数: cv.Canny()
Canny算法
"""

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread(r'C:\Users\admin\Desktop\OpenCV\people.jpg', 0)
'''
Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None):
.   @param image 8-bit input image.
.   @param edges output edge map; single channels 8-bit image, which has the same size as image.
.   @param threshold1 first threshold for the hysteresis procedure.(minVal)
.   @param threshold2 second threshold for the hysteresis procedure.(maxVal, >maxVal ---> 255)
.   @param apertureSize aperture size for the Sobel operator.
.   @param L2gradient a flag, indicating whether a more accurate \f$L_2\f$ norm\f$=\sqrt{(dI/dx)^2 + (dI/dy)^2}\f$
    should be used to calculate the image gradient magnitude (L2gradient=true ), 
    or whether the default \f$L_1\f$ norm \f$=|dI/dx|+|dI/dy|\f$ is enough (L2gradient=false ).
'''
edges = cv.Canny(img, 50, 60)
plt.subplot(121), plt.imshow(img, cmap='gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(edges, cmap='gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])
plt.show()

Soble算子计算梯度

sobel算子主要用于获得数字图像的一阶梯度，常见的应用和物理意义是边缘检测。
原理：
算子使用两个33的矩阵（图1）算子使用两个33的矩阵（图1）去和原始图片作卷积，分别得到横向Ｇ（ｘ）和纵向Ｇ（ｙ）的梯度值，如果梯度值大于某一个阈值，则认为该点为边缘点

Gx方向的相关模板：

Gy方向的相关模板：