Canny边缘检测

一、步骤
1、用高斯滤波去除图像噪声，目的是平滑一些纹理较弱的非边缘区域，以得到更准确的边缘。
2、计算梯度的幅度与方向
3、非极值抑制，即适当地让边缘“变瘦”。

做法：逐一遍历像素点，判断当前像素点是否是周围像素点中具有相同梯度方向的最大值，如果改点是正/负梯度方向上的局部最大值，则保留改点；如果不是，则抑制改点（归零）。

4、确定边缘。使用双阈值算法确定最终的边缘信息。

二、代码

# canny算法：边缘检测器
def edge_demo(image):
    # GaussianBlur：对图像进行降噪声
    blurred = cv.GaussianBlur(image, (3, 3), 0)
    gray = cv.cvtColor(blurred, cv.COLOR_BGR2GRAY)
    # X方向梯度；CV_16SC1深度
    xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
    # Y Gradient
    ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
    # edge边缘
    """
    Canny(image, threshold1, threshold2, edges=None, apertureSize=None, L2gradient=None)
        image：8位输入图像
        threshold1：处理过程的第一个阈值
        threshold2：处理过程的第二个阈值
        edges：计算得到的边缘图像信息
        apertureSize：sobel算子的孔径大小
        L2gradient：计算图像梯度幅度的标识，默认FALSE使用L1范数（直接将两个方向导数的绝对值相加）进行计算，true使用更精确的L2范数（两个方向的导数的平方和再开方）。
    """
    # 黑白边缘图像1
    edge_output = cv.Canny(xgrad,ygrad,50,150)
    cv.imshow('Canny Edge1', edge_output)
    # 黑白边缘图像2
    edge_output1 = cv.Canny(gray, 50, 150)
    cv.imshow('Canny Edge2', edge_output1)
    # 彩色边缘图像1
    dst = cv.bitwise_and(image, image, mask=edge_output)
    cv.imshow('Color Edge1', dst)
    # 彩色边缘图像2
    dst = cv.bitwise_and(image, image, mask=edge_output1)
    cv.imshow('Color Edge2', dst)

• 下图为计算图像x和y梯度和直接用COLOR_BGR2GRAY来进行边缘检测