Canny 边缘检测算法

Canny：边缘检测算法：其对受白噪声影响的阶跃型边缘是最优的。

目的：
返回一个二值图像，非零数值表示图像中边缘的存在，返回与边缘相关的尺度和方向信息

标准：
检测标准：不丢失重要的边缘，不应有虚假的边缘

定位标准：实际边缘与检测到的边缘位置之间的偏差最小

单响应标准：将多个响应降低为单个边缘响应。这个标准可以解决受噪声影响的边缘问题，以及起到地址非平滑边缘检测算子的作用。

步骤：
A、用高斯滤波器对图像去噪

B、计算像素的梯度

C、在边缘检测的基础上使用非最大抑制NMS&是B步的辅助

D、在检测到的边缘上使用双double阈值去除假阳性&又被称为滞后阈值化处理

E、分析所有的边缘以及其之间的连接，以保留真正的边缘，并消除不明显的边缘。（一般这一步都会省略）

步骤解释：

B、计算梯度

①与正交微分滤波器（Prewitt）做卷积

②生成水平方向上导数图像H和垂直方向上的导数图像V

当幅度超过一个临界值时，需要使用非极大值抑制的方法，删除这些不需要的响应。

C、非极大值抑制：搜索局部极大值，抑制非极大值。

<2>与每个角度相关的像素被分别处理。若垂直于梯度的相邻两个像素中的任何一个有较大数值，其幅度将被设置为0。

意义：这样的话，边缘幅值分布极大值处的梯度可以保留，而那些远离极大值的梯度将被抑制。

D双double阈值去除假阳性&滞后阈值化处理—基本属于收尾阶段

为了防止出现给定阈值的漏检或者误检现象（幅值<阈值，但是有边缘/标记为边缘但是实际上不存在此边缘）,给定两个阈值x1，x2，其中x1

import cv2
import numpy as np

v2.imread("img.jpg", 0) 
cv2.imwrite("canny.jpg", cv2.Canny(img, 200, 300)) 
cv2.imshow("canny", cv2.imread("canny.jpg"))
cv2.waitKey()
cv2.destroyAllWindows()

结果为：