Canny 边缘检测

声明

声明：本系列博客是我在学习OpenCV官方教程中文版(For Python)(段力辉 译)所做的笔记。所以，其中的绝大部分内容引自这本书，博客中的代码也是其配套所附带的代码或书中的代码，侵删。其中部分代码可能会因需要而改动。在本系列博客中，其中包含书中的引用，也包括我自己对知识的理解，思考和总结。本系列博客的目的主要有两个，一个是可以作为我自己的学习笔记，时常复习巩固。第二个是可以为想学习python下的opencv 3 相关知识的朋友提供一些参考。

正文

1.Canny算法简介

Canny边缘检测算法是一个多阶段的算法，即由多个步骤构成。可大致分四步：

1. 图像降噪
第一步选择降噪的原因是：噪声就是灰度变化很大的地方，容易被识别为伪边缘。
2. 计算图像梯度
计算图像梯度，得到可能边缘，因为梯度是灰度变化明显的地方，而边缘也是灰度变化明显的地方。但这一步只能得到可能的边缘。这一步就有了所有可能是边缘的集合。
3. 非极大值抑制
在获得梯度的方向和大小之后，应该对整幅图像做一个扫描，去除那些非边界上的点。对每一个像素进行检查，看这个点的梯度是不是周围具有相同梯度方向的点中最大的。如下图：

现在你得到的是一个包含“窄边界”的二值图像。
4. 双阈值筛选
要确定哪些边界才是真正的边界。我们需要设置两个阈值:minVal和maxVal,当图像的灰度梯度高于 maxVal 时被认为是真的边界，那些低于 minVal 的边界会被抛弃。如果介于两者之间的话，就要看这个点是否与某个被确定为真正的边界点相连，如果是就认为它也是边界点，如果不是就抛弃。如下图：

选择合适的 maxVal和 minVal 对于能否得到好的结果非常重要。

2.cv2.Canny()

在 OpenCV 中只需要一个函数：cv2.Canny()，就可以完成以上几步。
cv2.Canny(image,threshold1,threshold2[,edges[,apertureSize[,L2gradient]]])
参数解释：

• image:源图像
• threshold1:阈值1
• threshold2:阈值2
• apertureSize:可选参数，Sobel算子的大小，默认值为3.
• 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

$$Edge\_Gradient(G)=\sqrt{G_x^2+G_y^2}$$

否则使用方程：

$$Edge\_Gradient(G)=|G_x^2|+|G_y^2|$$

替代，默认值为 False。

3.完整代码及运行结果

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

img = cv2.imread('shaniu1.jpg',0)
edges = cv2.Canny(img,100,200)

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()

运行结果：

感谢观看！

如有错误，欢迎批评指正！