python+opencv3.3视频教学笔记 20 Canny边缘提取
Canny 的目标是找到一个最优的边缘检测算法，最优边缘检测的含义是：
好的检测- 算法能够尽可能多地标识出图像中的实际边缘。
好的定位- 标识出的边缘要尽可能与实际图像中的实际边缘尽可能接近。
最小响应- 图像中的边缘只能标识一次，并且可能存在的图像噪声不应标识为边缘。
算法步骤：
①高斯模糊 - GaussianBlur ，以平滑图像，滤除噪声
②灰度转换 - cvtColor
③计算梯度 – Sobel/Scharr
④非最大信号抑制
⑤高低阈值输出二值图像
代码如下：
import cv2 as cv
import numpy as np
def edge_demo(image):
blur = cv.GaussianBlur(image, (3, 3), 0)
gray = cv.cvtColor(blur, cv.COLOR_BGR2GRAY)
# X gradient
xgrad = cv.Sobel(gray, cv.CV_16SC1, 1, 0)
# Y gradient
ygrad = cv.Sobel(gray, cv.CV_16SC1, 0, 1)
# Canny
# edge = cv.Canny(xgrad, ygrad, 50, 150)
edge = cv.Canny(blur, 50, 150)
cv.imshow("edge", edge)
dst = cv.bitwise_and(image, image, mask = edge)
cv.imshow("color edge", dst)
print("--------- Hello Python ---------")
src = cv.imread("D:/opencv/girl.jpeg")
cv.namedWindow("girl", cv.WINDOW_AUTOSIZE)
cv.imshow("girl", src)
edge_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
OpenCV的Canny函数用于在图像中查找边缘，其函数原型有两种：
①直接调用Canny算法在单通道灰度图像中查找边缘，
其函数原型为
Canny(image, threshold1, threshold2[, edges[, apertureSize[, L2gradient]]]) -> edges
image参数表示8位输入图像。
threshold1参数表示设置的低阈值。
threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。
edges参数表示输出边缘图像，单通道8位图像。
apertureSize参数表示Sobel算子的大小。
L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）。
②使用带自定义图像渐变的Canny算法在图像中查找边缘，
其函数原型为
Canny(dx, dy, threshold1, threshold2[, edges[, L2gradient]]) -> edges
dx参数表示输入图像的x导数（x导数满足16位，选择CV_16SC1或CV_16SC3）
dy参数表示输入图像的y导数（y导数满足16位，选择CV_16SC1或CV_16SC3）。
threshold1参数表示设置的低阈值。
threshold2参数表示设置的高阈值，一般设定为低阈值的3倍 (根据Canny算法的推荐)。
edges参数表示输出边缘图像，单通道8位图像。
L2gradient参数表示L2gradient参数表示一个布尔值，如果为真，则使用更精确的L2范数进行计算（即两个方向的倒数的平方和再开方），否则使用L1范数（直接将两个方向导数的绝对值相加）。
参考：
Canny算子原理
Canny边缘检测