深度学习基础-opencv（二）python实现

canny边缘提取算法

边缘：一个物体的边缘，可以是不封闭曲线。
轮廓：一个物体的轮廓，封闭曲线，一般属于边缘的子集，单像素构成线。但有时候对碰撞操作时，会有差别。且轮廓可以是几个特征点，不需要是一个一个像素组合而成的线
梯度：表示像素差异，不一定是一个像素
canny医学例子：
原图如下：

图像人脸的轮廓有一部分很浅，要提取出脸部轮廓，和原图一起作为先验，就要将轮廓更好的提取。所以采用对比度调整，然后在进行高斯滤波，然后进行canny提取，代码和效果如图：（其中增加了对比度的图片还可以进行闭操作，补洞之后在进行轮廓提取）

import cv2
img = cv2.imread("25.jpg", 0)
cv2.imshow('Canny2', img)
img = cv2.convertScaleAbs(img, alpha=6, beta=0)#进行对比度调整，获取到表示不明显地方的数据
cv2.imshow('Abs', img)
img = cv2.GaussianBlur(img, (5, 5), 1)
cv2.imshow("1",img)
canny = cv2.Canny(img, 100, 150)
cv2.imshow("2",canny)
canny = cv2.resize(canny, dsize=(500, 500))
cv2.imshow('Canny', canny)
cv2.waitKey(0)

canny算法详解

步骤：

图像转灰度图（不需要在彩色图上进行），高斯滤波（锦上添花），计算图像梯度和幅值，即初步获取到图像轮廓，这时候的轮廓边不一定是单像素，非极大值抑制（变成单像素），双阈值链接处理，二值化图像输出。

梯度的幅值和角度：
幅值：幅值表示在该位置的边缘的亮度（即有值得地方，像素差距很大，就会表现出亮的特性）
角度：角度表示像素的颜色向哪一个方向变化的最快

非极大值抑制：

当前像素的梯度强度和沿着正负梯度的另外两个值进行比较，大于则保存，小于则替换

双阈值边缘链接处理：

找出来的有一些线可能会断，或者找出来的线是否需要，用该阈值操作来进行操作。
它的原理就是设置了两个阈值，找出来的线高于最大阈值，则保留，低于阈值则直接排除。
这两个值的设置是canny的两个参数，这两个参数是经验参数，如果调的好，取出来的轮廓线会很连贯。

轮廓查找和绘制

import cv2

img = cv2.imread('14.jpg')
# cv2.imshow("src", img)
imggray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY