python + opencv图像处理（十九）——边缘提取

canny算法（在opencv中有相应的API）
边缘检测算法
一个很好的边缘检测器
canny算法介绍——5步
1、高斯模糊——GaussianBlur
2、灰度变换——cvtColor
3、计算梯度——Sobel/Scharr
4、非最大信号抑制
5、高低阈输出二值图像：T1，T2都为阈值，凡是高于T2的都保留，凡是小于T1的都丢弃，从高于T2的像素出发，凡是大于T1的而且相互连接的都保留，最终得到一个输出二值图像。
推荐的高低阈值比值为T2:T1=3:1/2:1，其中T2为高阈值，T1为低阈值

from matplotlib import pyplot as plt 
from cv2 import cv2 as cv
import numpy as np 

def edge_demo(image):
    blurred = cv.GaussianBlur(image,(3,3),0)  #高斯降噪，适度
    gray = cv.cvtColor(blurred,cv.COLOR_BGR2GRAY)
    #求梯度
    xgrd = cv.Sobel(gray,cv.CV_16SC1,1,0)
    ygrd = cv.Sobel(gray,cv.CV_16SC1,0,1)

    egde_output = cv.Canny(xgrd,ygrd,50,150)  #50低阈值，150高阈值
    #egde_output = cv.Canny(gray,50,150)   #都可使用
    cv.imshow('canny_edge',egde_output)

    #输出彩色图
    dst = cv.bitwise_and(image,image,mask=egde_output)
    cv.imshow('color edge',dst)


if __name__ == "__main__":
    filepath = "C:\\pictures\\012345.jpg"
    img = cv.imread(filepath)       # blue green red
    cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
    cv.imshow("input image",img)

    edge_demo(img)


    cv.waitKey(0)
    cv.destroyAllWindows()

结果如下：