OpenCV--cv2.Canny（）边缘检测

 在进行边缘之前需要对图像进行模糊处理。OpenCV提供的模糊滤波函数，如blur(),medianBlur()以及GaussianBlur()，其中GaussianBlur()在下面链接有介绍。

http://opencv-python-cv2.GaussianBlur（）函数介绍_weixin_52012241的博客-CSDN博客

边缘检测

语法定义如下：

edge = cv2.Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient ]]]) 

image：要检测的图像
threshold1：阈值1（最小值）
threshold2：阈值2（最大值），使用此参数进行明显的边缘检测
edges：图像边缘信息
apertureSize：sobel算子（卷积核）大小
L2gradient ：布尔值。
True： 使用更精确的L2范数进行计算（即两个方向的导数的平方和再开方）
False：使用L1范数（直接将两个方向导数的绝对值相加）

Canny边缘检测算法可以分为以下5个步骤：

1)        使用高斯滤波器，以平滑图像，滤除噪声。

2)        计算图像中每个像素点的梯度强度和方向。

3)        应用非极大值（Non-Maximum Suppression）抑制，以消除边缘检测带来的杂散响应。

4)        应用双阈值（Double-Threshold）检测来确定真实的和潜在的边缘。

5)        分析所有的边缘及其之间的连接，以保留真正的边缘并消除不明显的边缘。

目录

1、阈值对检测结果的影响

2、sobel算子对检测结果的影响

3、范数对检测结果的影响

原始图像

1、阈值对检测结果的影响

img=cv2.imread('./12.jpg')
img = cv2.resize(img, None, fx=0.5, fy=0.5,
                   interpolation=cv2.INTER_CUBIC)#调整图片大小
r1=cv2.Canny(img,128,200)
r2=cv2.Canny(img,0, 50)
cv2.imshow("original",img)
cv2.imshow("result1",r1)
cv2.imshow("result2",r2)
cv2.imwrite("result1.jpg",r1)
cv2.imwrite("result2.jpg",r2)
cv2.waitKey()
cv2.destroyAllWindows()

 左边是原图，中间是result1，右边是result2，如图的结果可知：阈值越小会获得更多的细节，提取图像更多边缘。

2、sobel算子对检测结果的影响

img=cv2.imread('./12.jpg')
img = cv2.resize(img, None, fx=0.5, fy=0.5,
                   interpolation=cv2.INTER_CUBIC)#调整图片大小
r1=cv2.Canny(img,128,200,apertureSize=3)
r2=cv2.Canny(img,128,200,apertureSize=5)
cv2.imshow("original",img)
cv2.imshow("result1",r1)
cv2.imshow("result2",r2)
cv2.imwrite("result1.jpg",r1)
cv2.imwrite("result2.jpg",r2)
cv2.waitKey()
cv2.destroyAllWindows()

左边是原图，中间是result1，右边是result2，如图的结果可知：增大算子，会获得更多的细节，提取图像更多边缘。

3、范数对检测结果的影响

img=cv2.imread('./12.jpg')
img = cv2.resize(img, None, fx=0.5, fy=0.5,
                   interpolation=cv2.INTER_CUBIC)#调整图片大小
r1=cv2.Canny(img,128,200,L2gradient=False)
r2=cv2.Canny(img,128,200,L2gradient=True)
cv2.imshow("original",img)
cv2.imshow("result1",r1)
cv2.imshow("result2",r2)
cv2.imwrite("result1.jpg",r1)
cv2.imwrite("result2.jpg",r2)
cv2.waitKey()
cv2.destroyAllWindows()

左边是原图，中间是result1，右边是result2，如图的结果可知：L2gradient=True时，检测出的边缘减少了