Canny 边缘检测的内部步骤是什么呢？噪声去除、计算图像梯度、非极大值抑制、滞后阈值。各个步骤的含义是什么呢？

问题描述：

Canny 边缘检测的内部步骤是什么呢？噪声去除、计算图像梯度、非极大值抑制、滞后阈值。各个步骤的含义是什么呢？

问题解答：

Canny边缘检测算法主要包含以下几个步骤，每个步骤的具体含义如下：

1. 噪声去除：

   • 使用高斯滤波器对图像进行平滑处理，以减少噪声对边缘检测的影响。这一步骤可以有效降低图像中的随机噪声，使得后续步骤中检测到的边缘更加准确。

2. 计算图像梯度：

   • 通过使用Sobel算子或其他梯度算子计算图像的梯度幅值和方向。梯度幅值反映了图像亮度变化的强度，梯度方向指示了变化的方向。边缘通常对应于图像中梯度幅值较大的区域。

3. 非极大值抑制：

   • 在计算出梯度幅值和方向后，需要对每个像素进行检查，以去除那些不是局部最大值的点。这一步骤确保只有在梯度方向上是局部最大值的像素被保留下来，从而有效地细化边缘，减少边缘的宽度。

4. 滞后阈值（Hysteresis Thresholding）：

   • 使用两个阈值（高阈值和低阈值）来确定边缘。首先，所有梯度幅值高于高阈值的像素被标记为边缘；然后，所有梯度幅值低于低阈值的像素被抑制。对于介于这两个阈值之间的像素，如果它们与已经标记为边缘的像素相邻，则也会被标记为边缘。这样可以有效连接边缘并消除孤立的边缘点。

通过以上步骤，Canny边缘检测能够精确检测出图像中的边缘，同时有效去除噪声和细化边缘。

代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('roi.jpg',0)
edges = cv2.Canny(img,100,200)
plt.subplot(121),plt.imshow(img,cmap = 'gray')
plt.title('Original Image'), plt.xticks([]), plt.yticks([])
plt.subplot(122),plt.imshow(edges,cmap = 'gray')
plt.title('Edge Image'), plt.xticks([]), plt.yticks([])
plt.show()