python+opencv+Trackbar实现canny算子进行边缘检测

 函数功能：canny边缘检测，并与原图做边缘和背景取舍

canny实现步骤：

1.高斯滤波平滑图像，因为噪声和边缘同为高频信息，如果不进行去噪，直接进行边缘检测，会对噪声比较敏感；

2.使用sobel算子分别计算x,y方向的梯度，并求实际梯度值和梯度方向；

3.非极大值抑制，对求出的梯度图像，遍历图像的每个点，求出每个点梯度方向上和其八邻域的交点，交点可能是虚拟点，需要通过线性插值求出虚拟点，然后将该点与

梯度方向上的上下两点进行比较，如果为三点中的最大值，则保留该点的梯度。

4.高低双阈值筛选进行边缘连接，遍历非极大值抑制后的图像，如果某一点的梯度值大于高阈值则直接将该点像素值赋值为255，同时将被赋值为强边缘的像素点进栈，

以便后面做边缘连接使用如果小于设置的低阈值，则直接赋值为零，对于处于中间值的，先不做处理，遍历完后，图像就只剩下那些255的强边缘和一些伪边缘；然后将

强边缘一个个出栈，判断其周围八邻域是否有与强边缘连接的弱边缘点，如果有，则将其赋值为255，连接成强边缘，遍历完后，就基本完成了；最后一步，遍历上面得到的结果图像

把不是0和255的像素点都赋值为零。

# -*- coding: utf-8 -*-
# @Time: 2021/1/24 13:10
# @Author: Min
import cv2

def nothing(x):
    pass

def mythreshold(image):
    # open image
    kernel_size = 3
    img = cv2.imread(image)
    # transe image to gray
    gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

    cv2.namedWindow("image")
    cv2.createTrackbar("threshold", "image", 0, 255, nothing)
    cv2.createTrackbar("mthreshold", "image", 0, 255, nothing)

    while True:
        #获取调节杆的实时值
        lowThreshold = cv2.getTrackbarPos("threshold", "image")
        highThreshold = cv2.getTrackbarPos("mthreshold", "image")
        #高斯平滑去噪，提高后续canny对边缘提取的性能，canny算子好像已经封装了高斯平滑，所以这一步
        #可要可不要
        detect_edges = cv2.GaussianBlur(gray, (3, 3), 0)
        #canny检测图像边缘
        detect_edges = cv2.Canny(detect_edges, lowThreshold, highThreshold, apertureSize=kernel_size)
        #将检测到的边缘信息和原图进行原图边缘保留
        dst = cv2.bitwise_and(img, img, mask=detect_edges)
        cv2.imshow("image", dst)
        if cv2.waitKey(10) & 0xFF == ord("q"):
            break
    cv2.destroyAllWindows()

def main():
    path = "lenna.png"
    mythreshold(path)

if __name__ == '__main__':
    main()

效果展示：

左图为canny边缘检测效果图

右侧为canny边缘与原图做bitwise_and后的原图边缘保留效果图