Python+OpenCV教程11：边缘检测

主站：http://ex2tron.wang
原文：Python+OpenCV教程11：边缘检测

学习使用Canny获取图像的边缘。图片等可到源码处下载。

目标

img = cv2.imread('handwriting.jpg', 0)
edges = cv2.Canny(img, 30, 70)  # canny边缘检测

cv2.Canny()进行边缘检测，参数2、3表示最低、高阈值，看完后面的理论就理解了。

经验之谈：之前我们用低通滤波的方式模糊了图片，那如果反过来，想得到物体的边缘，就需要用到高通滤波。如果你要理解接下来要说的Canny检测原理，请先阅读：番外篇：图像梯度

Canny边缘检测方法常被誉为边缘检测的最优方法，具体步骤如下：

1，使用5×5高斯滤波消除噪声：

边缘检测本身属于锐化操作，对噪点比较敏感，所以需要进行平滑处理。

2，计算图像梯度的方向：

首先使用Sobel算子计算梯度Gx和Gy，然后算出梯度的方向：θ=arctan(Gy/Gx)，保留这四个方向的梯度：0°/45°/90°/135°，有什么用呢？我们接着看。

3，取局部极大值：

梯度其实已经表示了轮廓，为了进一步筛选，可以在上面的四个角度方向上再取局部极大值：

比如，A点在45°方向上大于B/C点，那就保留它，把B/C设置为0。

4，滞后阈值：

经过前面三步，就只剩下0和可能的边缘像素值了，为了最终确定下来，需要设定高低阈值：

Canny推荐的高低阈值比在2:1到3:1之间。

其实很多情况下，阈值分割后再检测边缘，效果会更好：

_, thresh = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
edges = cv2.Canny(thresh, 30, 70)

代码中我用了番外篇：Otsu阈值法中的自动阈值分割，如果你不太了解，大可以使用传统的方法，不过如果是下面这种图片，推荐用Otsu阈值法。另外Python中某个值不用的话，就写个下划线'_'。