Opencv进阶篇---Canny边缘检测

Canny边缘检测：
1）使用高斯滤波，以平滑图像，滤除噪声
2）计算图像中每个像素的梯度和方向
3）应用非极大值（Non-Maximum Suppression）抑制，去除较小的梯度，保留较大的梯度，以消除边缘检测带来的杂散响应
4）应用双边阈值（Double-Threshold）检测来确定真实的和潜在的边缘
5）通过抑制孤立的弱边缘最终完成边缘检测
1、高斯滤波
H为像素矩阵元素的权重，A为像素矩阵元素的值

2、梯度和方向
θ为方向
G为梯度
Sx为从左向右的方向，Sy为从下到上

3、非极大值抑制
方法①：线性插值法
假设整个正方形框为一个3*3的像素矩阵，只有断点部分的为实际像素点，即9个像素点
w为权重：如g1到dtmp1的长度为d1,g1到g2总长度为d,则g1的权重为：d1/d
图中蓝色线为梯度方向线，梯度方向线与边界是垂直的
根据图中的公式求出M（dtmp1）与M（dtmp2）
只有当C同时大于M（dtmp1）与M（dtmp2）时，C才会作为边界点被保留

方法②：离哪个方向近取哪个方向

4、双边阈值
注意：介于最大阈值与最小阈值之间的边界，需满足相连才会被保留

代码：

src=cv.imread("E:\OpenCVTests\Samples/1\car.png")
v1=cv.Canny(src,120,250)#阈值差异的大小，决定边缘细节的保留度，
v2=cv.Canny(src,50,100)#minvaul越小，边界越丰富
cv.imshow("Bigger threshold",v1)
cv.imshow("Smaller threshold",v2)

结果：
较大阈值,保留边界细节少

较小阈值，保留边界细节丰富