Python + OpenCV 学习笔记（十二）>>> Canny 边缘提取

具体请参照Canny 边缘检测

Canny 算法简介

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

---

此步为更好地排除非边缘像素， 仅仅保留了一些细线条(候选边缘)。

---

import cv2 as cv 
import numpy as np


def canny_detect(image):
        src = cv.imread(image)
        blurred = cv.GaussianBlur(src, (3,3), 0)  # 高斯模糊，去除干扰噪点
        gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)  # 转化为灰度图
        # X gradient
        gradx = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
        # Y gradient
        grady = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
        # edge
        edge_output = cv.Canny(gradx, grady, 50, 150)  # 利用x，y 轴梯度对图像进行边缘提取
        cv.imshow('customary', src)
        cv.imshow('result', edge_output)


canny_detect('/home/pi/Desktop/woman.jpg')
cv.waitKey(0)
cv.destroyAllWindows()

还可以输出彩色边缘：

colorful = cv.bitwise_and(src, src, mask=edge_output)  # 与原图像进行“与”操作

---

其实直接对原图像或高斯模糊后图像亦或灰度图进行canny 边缘提取也是可以的，只不过，效果没有那么好。
其中直接对原图进行边缘提取效果最差，高斯模糊后消去噪声会好很多…