Canny边缘检测

Canny边缘检测是一种使用多级边缘检测算法检测边缘的方法

一：Canny边缘检测基础
步骤：
（1）：去噪，噪声会影响边缘检测的准确度，因此首先要将噪声过滤掉
（2）：计算梯度的幅度和方向
（3）：非极大值抑制，即适当的让边缘“变瘦”
（4）：确定边缘，使用双阈值算法确定最终的边缘信息

1：应用高斯滤波去除图像噪声

图像边缘容易受到噪声的干扰，为了避免检测到错误的边缘，通常需要对图像进行滤波以除 去噪声，滤波的目的是平滑一些纹理较弱的非边缘区域，以便得到更准确的边缘，在实际使用过程中，通常采用高斯滤波去噪。
在滤波过程中，高斯核的大小对边缘检测的效果很重要，核越大，边缘信息对于噪声的敏感度越低，但同时核越大，边缘检测的错误也会随之增加，通常来说，采用5*5的核就能满足大多数情况。

2、计算梯度

边缘检测返回水平方向的Gx和垂直方向的Gy。梯度的幅度G和方向如下：
梯度的方向总是与边缘垂直的，通常就近取值为水平（左、右），垂直（上、下），对角线（右上、右下、左上、左下）8个方向。

3、非极大值抑制

在获得梯度的幅度和方向后，逐一遍历图像中的像素点，判断当前像素点是否是周围像素点中具有相同梯度方向的最大值，如果是则保留，否则抑制（归零），以达到去除非边缘的点的目的。

如上图所示，红色标记的点都是向上方向梯度（水平边缘）的局部最大值，这些点会被保留，其余的点被抑制为0，这意味着这些红色标记的点最终会被处理为边缘点，而其他点会被处理为非边缘点。经过该处理后，对于同一方向的若干个边缘点，基本上仅保留了一个，实现了边缘细化的目的。

4、应用双阈值确定边缘
（1）完成上述步骤后 ，图像内部的强化边缘已经在当前获取的边缘内，但是一些虚边缘可能也在图像内，这些虚边缘可能是真实图像产生的，也可能是由噪声生成的，我们需要进一步筛选。
（2）设置两个阈值，其中一个为高阈值maxVal，另一个为低阈值minVal，根据当前边缘像素的梯度值与这两个阈值之间的关系，判断边缘的属性

如果当前边缘像素的梯度值大于或等于maxVal，则将当前边缘像素标记为强边缘(处理为边缘)
如果当前边缘像素的梯度值小于或等于minVal，则抑制当前边缘像素
如果当前边缘像素的梯度值介于maxVal与minVal之间，则将当前边缘像素标记为虚边缘，需要进一步判断。通常来说，与强边缘连接，则将该边缘处理为边缘，否则将其抑制。

5、canny函数及应用

dst=cv2.Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)
image:8为输入图像
threshold1：阈值minVal
threshold2：阈值maxVal
apertureSize：表示sobel算子的孔径大小
L2gradient：计算图像梯度幅度的标识，默认为False（两个方向倒数的绝对值相加），如果为True，则使用更加精准的L2范数进行计算（两个方向倒数的平方和再开方）。

import cv2

img = cv2.resize(cv2.imread("img/1.jpg"), (300, 300))

dst=cv2.Canny(img, 10, 50)
dst_1=cv2.Canny(img,50,150)
cv2.imshow("img",img)
cv2.imshow("dst",dst)
cv2.imshow("dst_1",dst_1)
cv2.waitKey()
cv2.destroyAllWindows()

对比上图dst与dst_1可知，当threshold1与threshold2较小时，能够捕获更多的边缘信息。