python+opencv3.3视频教学笔记 20 Canny边缘提取

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。
算法步骤：
　　①高斯模糊 - GaussianBlur ，以平滑图像，滤除噪声
　　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

代码如下：

import cv2 as cv
import  numpy as np


def edge_demo(image):
    blur = cv.GaussianBlur(image, (3, 3), 0)
    gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY)
    # X gradient
    xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
    # Y gradient
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
    # Canny
    # edge = cv.Canny(xgrad, ygrad, 50, 150)
    edge = cv.Canny(blur, 50, 150)
    cv.imshow("edge", edge)

    dst = cv.bitwise_and(image, image, mask = edge)
    cv.imshow("color edge", dst)

print("--------- Hello Python ---------")
src = cv.imread("D:/opencv/girl.jpeg")
cv.namedWindow("girl", cv.WINDOW_AUTOSIZE)
cv.imshow("girl", src)
edge_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

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，

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，

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）。
参考：
Canny算子原理
Canny边缘检测