从头学习opencv（17）--Canny边缘检测

Canny边缘检测

简介：

1.Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法。

2.Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是：
好的检测- 算法能够尽可能多地标识出图像中的实际边缘。
好的定位- 标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近。
最小响应- 图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。
3.算法步骤：
　　①高斯模糊 - GaussianBlur
　　②灰度转换 - cvtColor
　　③计算梯度 – Sobel/Scharr
　　④非最大信号抑制
　　⑤高低阈值输出二值图像

前三个前面都已经叙述过了，后两个可以看一下参考的这篇文章，讲的比较容易理解。 https://www.cnblogs.com/techyan1990/p/7291771.html

完整代码

import cv2 as cv
import numpy as np


def egde_demo(image):
    blurred=cv.GaussianBlur(image,(3,3),0)#高斯模糊
    gray=cv.cvtColor(blurred,cv.COLOR_BGR2GRAY)#灰度转换
    # X Grodient
    xgrad=cv.Sobel(gray,cv.CV_16SC1,1,0)#沿x方向计算梯度
    # Y Grodient
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)#沿y方向计算梯度
    #edge
    edge_output=cv.Canny(xgrad,ygrad,50,150)#Canny边缘提取
    #edge_output = cv.Canny(gray, 50, 150)#也可以直接用gray进行提取
    cv.imshow("Canny Edge",edge_output)

    dst=cv.bitwise_and(image,image,mask=edge_output)#输出彩色图像
    cv.imshow("Color Edge",dst)


src = cv.imread("D:/OpenCV/opencv/sources/samples/data/lena.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
egde_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
print("Hi,python!")

运行结果

函数补充说明

参考 https://www.cnblogs.com/FHC1994/p/9133015.html
OpenCV的Canny函数用于在图像中查找边缘，其函数原型有两种：

①直接调用Canny算法在单通道灰度图像中查找边缘，

edge_output = cv.Canny(gray, 50, 150)

其函数原型为：Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges

image参数表示8位输入图像。

threshold1参数表示设置的低阈值。

threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。

edges参数表示输出边缘图像，单通道8位图像。

apertureSize参数表示Sobel算子的大小。

L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）。

②使用带自定义图像渐变的Canny算法在图像中查找边缘，

edge_output=cv.Canny(xgrad,ygrad,50,150)

其函数原型为：Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]) -> edges

dx参数表示输入图像的x导数（x导数满足16位，选择CV_16SC1或CV_16SC3）

dy参数表示输入图像的y导数（y导数满足16位，选择CV_16SC1或CV_16SC3）。

threshold1参数表示设置的低阈值。

threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。

edges参数表示输出边缘图像，单通道8位图像。

L2gradient参数表示L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）。